Implementasi Mask R-CNN untuk Identifikasi Cacat pada Pengelasan Shielded Metal Arc Welding (SMAW)

Authors

  • Mubessirul Ummah Badan Riset dan Inovasi Nasional dan Universitas Trunojoyo Madura
  • Agus Sasmito Badan Riset dan Inovasi Nasional
  • Rima Tri Wahyuningrum Universitas Trunojoyo Madura
  • M. Imron Mustajib Universitas Trunojoyo Madura
  • Nandiko Rizal Badan Riset dan Inovasi Nasional
  • Irfan Eko Sandjaja Badan Riset dan Inovasi Nasional
  • Totok Triputrastyo Murwatono Badan Riset dan Inovasi Nasional
  • Andik Machfudin Badan Riset dan Inovasi Nasional
  • Dian Purnama Sari Badan Riset dan Inovasi Nasional

Keywords:

Mask R-CNN, Roboflow, Cacat Las, Deteksi Objek, Segmentasi

Abstract

Penelitian ini mengembangkan metode pemrosesan citra digital untuk inspeksi visual cacat pengelasan baja, khususnya untuk mendeteksi cacat spatter dan slag inclusion. Penelitian ini menggunakan algoritma Mask R-CNN untuk melakukan deteksi dan segmentasi cacat las secara akurat pada dataset pengelasan busur listrik. Dataset yang digunakan terdiri dari 176 gambar spesimen hasil pengelasan SMAW, yang diambil di Politeknik Perkapalan Negeri Surabaya. Dataset diolah menggunakan platform Roboflow untuk pelabelan, prapemrosesan, dan augmentasi data. Setelah itu, model dilatih dengan menggunakan algoritma Mask R-CNN. Model ini kemudian diterapkan dalam aplikasi Streamlit untuk pengecekan cacat secara interaktif. Hasil eksperimen menunjukkan bahwa Mask R-CNN mampu mendeteksi cacat dengan akurasi yang bervariasi, diukur dengan metrik mean Average Precision (mAP) dan Average Recall (AR). Pada resolusi gambar 640 × 640 piksel, model mencapai mAP sebesar 65,8% untuk deteksi bounding box dan 70,2% untuk mask segmentasi pada threshold AP@0,5.

Downloads

Published

2024-10-23