IMPLEMENTASI ARTIFICIAL NEURAL NETWORK DENGAN METODA BACK-PROPAGATION PADA AUTONOMOUS MOBILE ROBOT UNTUK MENDETEKSI OBJEK
LAPORAN TUGAS AKHIR
Oleh: Marteen Samuel NIM 13205093
SEKOLAH TEKNIK ELEKTRO DAN INFORMATIKA INSTITUT TEKNOLOGI BANDUNG 2009
Lembar Pengesahan IMPLEMENTASI ARTIFICIAL NEURAL NETWORK DENGAN METODA BACK-PROPAGATION PADA AUTONOMOUS MOBILE ROBOT UNTUK MENDETEKSI OBJEK
Marteen Samuel NIM: 13205093
LAPORAN TUGAS AKHIR Telah diterima dan disahkan sebagai kolokium untuk memenuhi persyaratan memperoleh gelar: SARJANA TEKNIK ELEKTRO Pada: PROGRAM STUDI TEKNIK ELEKTRO SEKOLAH TEKNIK ELEKTRO DAN INFORMATIKA INSTITUT TEKNOLOGI BANDUNG
Bandung, September 2009
Pembimbing,
Dr. Ir. Hilwadi Hindersah, M.Sc. NIP: 131679356
ABSTRAK Implementasi Artificial Neural Network Dengan Metoda BackPropagation Pada Autonomous Mobile Robot Untuk Mendeteksi Objek Marteen Samuel Program Studi Teknik Elektro, Institut Teknologi Bandung (ITB), Bandung, Indonesia Autonomous mobile robot adalah sebuah robot yang dapat bergerak dan mengambil keputusan sendiri berdasarkan informasi yang didapatkan dari lingkungan yang dihadapinya. Untuk mendapatkan informasi, robot memerlukan suatu alat yang disebut sensor. Terdapat beberapa jenis sensor yang umum digunakan pada robot yaitu sensor penglihatan, sensor jarak, sensor panas, dan masih banyal lagi.
Pada tugas akhir ini, dirancang dan diimplementasikan suatu sistem penglihatan bagi suatu autonomous mobile robot berbentu tank. Sistem penglihatan yang dibuat terdiri dari 2 tahap pendeteksian objek. Tahap yang pertama sensor akan mendeteksi benda berdasarkan spesifikasi warna tertentu. Tahap yang kedua adalah tahap pengenalan berdasarkan bentuk benda, pada tahap ini proses pengenalan dilakukan dengan menggunakan jaringan saraf tiruan metoda back-propagation. Proses pelatihan akan dilakukan secara off-line, hal ini dilakukan untuk mengurangi kerja sistem sehingga kecepatan pengolahan data dapat ditingkatkan. Untuk meningkatkan jangkauan sistem penglihatan maka dirancang suatu mekanisme penggerak yang mampu bergerak ke arah horisontal maupun vertikal, selain itu pergerakan mekanisme ini akan ditunjang algoritma pergerakan yang sesuai.
Sistem penglihatan robot ini dirancang sesuai dengan spesifikasi Kontes Robot Cerdas Indonesia (KRCI) 2009 divisi expert single. Sistem penglihatan yang diimplementasikan ditunjang dengan mekanism penggerak dengan menggunakan algoritma object scanning. Hasil pendeteksian objek berdasarkan warna berhasil dilakukan dengan jarak maksimum deteksi objek adalah 35 cm. Selain itu proses pengenalan bentuk objek dengan jaringan saraf tiruan metoda back-propagation berhasil dilakukan dengan tingkat keberhasilan 65%. Kata kunci: robot vision, jaringan saraf tiruan, back-propagation, algoritma object scanning
i
ABSTRACT Implementation of Artificial Neural Network Using BackPropagation Method In Autonomous Mobile Robot For Object Detection Marteen Samuel Electrical Engineering Major, Institut Teknologi Bandung (ITB), Bandung, Indonesia Autonomous mobile robot is a robot that can move and make his own decision base to information that got from his environment. Robot needs a device that called sensor to get that information. There are some kind sensor that commonly used by robot like vision sensor, distance sensor, heat sensor, and many more.
In this final project, a vision system designed for tank base autonomous mobile robot. The vision system consists of 2 steps to detected object. The fist step was detected object base on his spesific color. The second was identified it base on the shape of object, at this step identification process was done using back-propagation neural network. Training process was done in off-line mode to reduce execution time of the system to incrase the speed of process. For widen the range of vision, movement mechanism was designed with ability to move horizontal and vertical. Suitable algorithm would support the movement mechanism for better detection. This vision system was designed according to Kontes Robot Cerda Indonesia (KRCI) 2009 expert single division specification. The vision system that was implemented supported with movement mechanism using object-scanning algorithm. The algorithm enabled to detect object base on his spesific color with maximum distance of detection 35 centimenters. The percentage of success identification process using back-propagation neural network was 65%. Keyword: robot vision, artificial neural network, back-propagation, object detection algorithm
ii
Kata Pengantar
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas berkat dan rahmat-Nya sehingga penulis dapat menyelesaikan tugas akhir serta penyusunan laporan tugas akhir dengan judul “Implementasi Artificial Neural Network Dengan Metoda Back-Propagation Pada Autonomous Mobile Robot Untuk Mendeteksi Objek”. Banyak halangan dan rintangan yang telah dilalui untuk menyelesaikan tugas akhir ini, terutama kegagalan untuk lolos ke tingkat nasional pada KRCI 2009 divisi expert single. Namun kegagalan tersebut telah menjadi pengalaman yang sangat berharga dan bukti kasih sayang serta harapan dari Tuhan kepada penulis.
Selama masa tugas akhir serta penulisan laporan tugas akhir ini, penulis mendapatkan bimbingan dan bantuan dari berbagai pihak. Oleh karena itu, pada kesempatan ini penulis ingin mengucapkan terimakasih kepada:
1. Orang tua dan adik Penulis yang tiada henti-hentinya mencurahkan kasih sayang, doa, serta dukungan yang membuat penulis tetap semangat untuk mengerjakan dan menyelesaikan tugas akhir 2. Bapak Hilwadi Hindersah selaku dosen pembimbing yang telah memberikan waktu, pikiran, dan tenaga bagi Penulis agar dapat menyelesaikan tugas akhir ini 3. Bapak Yudi Satria Gondokaryono, Bapak Bambang Riyanto, Bapak Sony Kusprasapta, Ibu Aciek Ida Wuryandari serta IAE angkatana 73 dan 75 yang telah membantu penulis dalam mengikuti KRCI 2009 4. Vincentius Riky sebagai sahabat dan rekan kerja penulis yang telah bersamasama mengalami suka dan duka dalam pembuatan robot dan tugas akhir 5. Bapak-bapak kru bengkel teknik elektro yang telah membantu dalam pembuatan platform robot 6. Kawan-kawan di laboratorium KPRG yang saling berbagi ilmu dan diskusi. Randy yang telah menularkan demam neural network, Iman’koli’, Eko’aje’,
iii
Abu, Zul, Yosia dan Yoka yang setia menemani penulis selama mengerjakan tugas akhir ini. 7. Teman-teman dari teknik elektro terutama dari subjur kendali seperti Junot, Dipta, Inez, Alam, Tommy, Krisna dan yang lainnya. 8. Teman-teman KRCI ITB seperti Dody, Mahatir Firman, Zulkifli, dan rekanrekan yang lainnya 9. Teman-teman teknik elektro ITB angkatan 2005
Penulis menyadari bahwa masih banyak pengembangan yang bisa dilakukan dari tugas akhir ini. Oleh sebab itu penulis mengharapkan adanya masukan, dan saran demi kemajuan dari penelitian ini. Akhir kata, penulis berharap semoga tulisan ini dapat menjadi penambah wawasan, sumber inspirasi dan pengetahuan bagi pembaca.
Bandung, September 2009
Marteen Samuel
iv
DAFTAR ISI
ABSTRAK........................................................................................................................................ i ABSTRACT .................................................................................................................................... ii Kata Pengantar ............................................................................................................................iii DAFTAR ISI....................................................................................................................................v DAFTAR GAMBAR.................................................................................................................... viii DAFTAR TABEL ............................................................................................................................x BAB I PENDAHULUAN............................................................................................................... 1 1.1
Latar Belakang ................................................................................................................ 1
1.2
Perumusan Masalah ........................................................................................................ 3
1.3
Tujuan Penulisan............................................................................................................. 3
1.4
Batasan Masalah ............................................................................................................. 3
1.5
Metodologi Penelitian .................................................................................................... 4
1.6
Sistematika Penulisan ..................................................................................................... 6
BAB II DASAR TEORI.................................................................................................................. 7 2.1
Robot ............................................................................................................................... 7
2.1.1
Komponen dari Robot ................................................................................................. 8
2.1.2
Struktur Autonomous Mobile Robot ......................................................................... 11
2.2
Pengolahan Citra Digital .............................................................................................. 11
2.2.1 Robot Vision ........................................................................................................... 14 2.2.1.1 Metoda Threshold........................................................................................... 16 2.2.1.2 Metoda Deteksi Tepi ...................................................................................... 17 2.2.1.3 Metoda Deteksi Bentuk Dan Pengenalan Pola ............................................. 18 2.2.1.4 Metoda Deteksi Titik Tengah Massa dan Blob ............................................ 18 2.2.1.5 Metoda Klasifikasi Pixel................................................................................ 19 2.2.1.6 Metoda Korelasi Citra .................................................................................... 20 2.3
Sensor Kamera CMUcam3........................................................................................... 20
v
2.4
Mikrokontroller ATmega32 ......................................................................................... 22
2.5
Motor Servo .................................................................................................................. 25
2.6
Jaringan Saraf Tiruan.................................................................................................... 29
2.6.1 Arsitektur Jaringan Saraf Tiruan........................................................................... 31 2.6.1.1 Pengaturan Pembobotan (Training)............................................................... 32 2.6.1.2 Neuron............................................................................................................. 33 2.6.1.3 Fungsi Identitas............................................................................................... 34 2.6.2 Metoda Back-Propagation ..................................................................................... 37 2.6.2.1 Multi-Layer Feed-Forward Network............................................................. 37 BAB III ANALISIS DAN PERANCANGAN ............................................................................... 41 3.1
Spesifikasi Sistem ......................................................................................................... 41
3.2
Analisis .......................................................................................................................... 41
3.2.1 Perangkat Keras ..................................................................................................... 44 3.2.1.1 Sensor Penglihatan ......................................................................................... 45 3.2.1.2 Mekanisme Penggerak Arah Vertikal dan Horisontal ................................. 47 3.2.1.3 Aktuator .......................................................................................................... 49 3.2.1.4 Power Supply.................................................................................................. 51 3.2.2 Perangkat Lunak .................................................................................................... 52 3.3
Pemilihan dan Perancangan Komponen Sistem ......................................................... 53
3.3.1 Pemilihan Sensor Kamera ..................................................................................... 54 3.3.2 Pemilihan Modul Aktuator.................................................................................... 57 3.3.3 Perancangan Turret kamera .................................................................................. 58 3.3.4 Mekanisme Kendali Perangkat Keras................................................................... 59 3.3.5 Algoritma Perangkat Lunak .................................................................................. 60 3.3.5.1 Algoritma Gerak Turret Camera ................................................................... 61 3.3.5.2 Algoritma Pengenalan Objek dengan Jaringan Sistem Saraf Tiruan .......... 62 3.3.5.3 Algoritma Pengambilan Data Bagi Jaringan Saraf Tiruan .......................... 63 BAB IV IMPLEMENTASI DAN PENGUJIAN .......................................................................... 69 4.1
Implementasi ................................................................................................................. 69
4.1.1 Implementasi Mekanisme Gerak dan Aktuator (Turret) ..................................... 69 4.1.2 Implementasi Algoritma Gerak Turret ................................................................. 72 4.1.2.1 Algoritma Object Scanning ........................................................................... 73
vi
4.1.2.2 Algoritma Object Follower ............................................................................ 76 4.1.3 Implementasi Algoritma Deteksi Warna .............................................................. 78 4.1.4 Implementasi Algoritma Deteksi Bentuk Dengan Jaringan Saraf Tiruan Metoda Back-propagation ............................................................................................................... 80 4.1.5 Implementasi Algoritma Pengambilan Data Bagi Pelatihan Jaringan Saraf Tiruan ................................................................................................................................. 84 4.2
Pengujian ....................................................................................................................... 86
4.2.1 Deskripsi Tugas...................................................................................................... 86 4.2.1.1 Deskripsi Tugas Robot Umum ...................................................................... 86 4.2.1.2 Deskripis Tugas Robot Khusus ..................................................................... 87 4.2.2 Pengujian Pergerakan Turret................................................................................. 88 4.2.3 Pengujian Deteksi Warna Objek ........................................................................... 91 4.2.4 Pengujian Deteksi Bentuk Objek .......................................................................... 93 BAB V KESIMPULAN DAN SARAN ......................................................................................... 98 5.1
Kesimpulan.................................................................................................................... 98
5.2
Saran .............................................................................................................................. 98
DAFTAR PUSTAKA.................................................................................................................. 100
vii
DAFTAR GAMBAR
2.1
Robot Component ........................................................................................10
2.2
Struktur Autonomous Mobile Robot...............................................................11
2.3
Citra Digital ..................................................................................................12
2.4
Komposisi Warna RGB.................................................................................12
2.5
Matrix Citra Biner Segitiga ...........................................................................15
2.6
Matrix Citra Keabuaan Segitiga ....................................................................15
2.7
Pengolahan Citra Digital Menggunakan Metoda Threshold ...........................17
2.8
Image Processing Menggunakan Metoda Edge Detection .............................18
2.9
Citra Hasil Metoda Klasifikasi Pixel .............................................................19
2.10 Citra Pengenalan Objek Dengan Metoda Korelasi Citra ................................20 2.11
CMUcam3 ...................................................................................................21
2.12 Blok Diagram CMUcam3 .............................................................................21 2.13 Perangkat Keras CMUcam3 ..........................................................................22 2.14 Arsitektur ATmega32....................................................................................23 2.15 Pin-pin ATmega32........................................................................................24 2.16 Contoh Kendali Motor Servo ........................................................................27 2.17 Servo Hitec HS-322HD.................................................................................28 2.18 Konektor Motor Servo Hitect HS-322HD......................................................28 2.19 Arsitektur Jaringan Saraf Tiruan ...................................................................32 2.20 Diagram Neuron ...........................................................................................33 2.21 Grafik Fungsi Identitas..................................................................................34 2.22 Grafik Fungsi Threshold ...............................................................................35 2.23 Grafik Fungsi Sigmoid-Bilinier .....................................................................36 2.24 Grafik Fungsi Sigmoid-Bipolar .....................................................................36 3.1
Diagram Blok Perangkat Keras Robot VAIRo...............................................59
3.2
Diagram Blok Perangkat Keras Robot VAIRo...............................................60
3.3
Diagram Blok Perangkat Keras Sistem Penglihatan Robot VAIRo................60
3.4
Flow Chart Sistem Penglihatan Robot VAIRo...............................................64
3.5
Flow Chart Algoritma Sistem Scanning ........................................................65
viii
3.6
Flow Chart Algoritma Sistem Object Follower .............................................66
3.7
Flow Chart Sistem Pengenalan Objek Dengan Jaringan Saraf Tiruan ............67
3.8
Flow Chart Algoritma Pengambilan Data Bagi Jaringan Saraf Tiruan ...........68
4.1
Rancangan Robot VAIRo..............................................................................70
4.2
Implementasi Turret pada Robot ...................................................................72
4.3
Ilustrasi Reduksi Lebar Citra.........................................................................82
4.4
Ilustrasi Reduksi Panjang Citra .....................................................................82
4.5
Citra Kepala Boneka Berwarna .....................................................................94
4.6
Citra Kepala Boneka Grayscale ....................................................................94
ix
DAFTAR TABEL
4.1
Hubungan Antara Biologi Dan Jaringan Saraf Tiruan.................................... 29
4.2
Hubungan Servo Dengan CMUcam3 ............................................................ 73
4.3
Perbandingan Algoritma Object Scanning dan Object Follower .................... 90
4.4
Perbandingan Parameter Jumlah dan Density Pixel Dengan Jarak Deteksi Objek ............................................................................................................ 92
4.5
Hubungan Jarak Dengan Waktu Deteksi ....................................................... 93
4.6
Hubungan Banyak Data Dengan Persentase Keberhasilan Pelatihan.............. 95
4.7
Hubungan Data Dengan Waktu Pelatihan...................................................... 95
4.8
Hubungan Waktu Eksekusi Dan Keberhasilan............................................... 96
x
