Deteksi Jalan Berlubang Pada Citra Berkabut Menggunakan Convolutional Neural Network Dan Dark Channel Prior

Akhmad Trisna Wijaya, Oddy Virgantara Putra, Jumhurul Umami

Abstract


Kerusakan jalan merupakan salah satu hambatan bagi pengguna jalan. Salah satu kerusakan yang dapat mengganggu pengguna jalan adalah adanya lubang pada jalan.Kondisi lubang jalan pada cuaca berkabut sangat beresiko terjadinya kecelakaan, hal ini disebabkan oleh berkurangnya penglihatan manusia pada cuaca berkabut untuk mengetahui halangan yang ada didepannya. Penelitian ini bertujuan unutk membuat sebuah model deteksi jalan berlubang pada citra berkabut menggunakan Convolutional Neural Network (CNN) dan Dark Channel Prior (DCP). Setelah dataset terkumpul akan melalui tahap ekstraksi fitur menggunakan teknik konvolusi berupa CNN. DCP pada penelitian ini digunakan untuk pengembalian citra kabut ke citra asli yang terdiri dari beberapa tahap yaitu dark channel, atmospheric light estimation, transmission estimation, dan recovery citra. Hasil reduksi citra berkabut diuji dan diklasifikasi menguunakan hasil model pelatihan menggunakn CNN. Dari penelitian yang dilakukan, menunjukkan bahwa metode yang digunakan memiliki kinerja yang baik dan mendapatkan hasil deteksi pada citra bebas kabut dengan rata-rata sebebsar 78.5%.

Keywords


convolutional neural network, dark channel prior, kabut, jalan berlubang



DOI: http://dx.doi.org/10.36499/psnst.v1i1.5035

Refbacks

  • There are currently no refbacks.


https://zapclinic.com/spartan-cufonfonts/-/

Lumi777

situs slot

BPJS777

situs slot

kelas99

slot

https://thecliphouse.com/

sensasi777

situs judi bola terpercaya

situs judi bola terpercaya

sbobet88

slot

Judi Slot

dewajudiqq

MPO SLOT

Slot