khairullah, ikbal ahnaf (2026) Perancangan dan Evaluasi Sistem Perception Visual Berbasis YOLOv8 untuk Alignment dan Docking Pallet pada Automated Guided Vehicle (AGV) Forklift. Undergraduate thesis, Universitas Diponegoro.

	Text Ikbal Ahnaf Khairullah_40040322650008_TA.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text Ikbal Ahnaf Khairullah_40040322650008_TRO_TA-1-20.pdf - Published Version Download (937kB)
	Text Ikbal Ahnaf Khairullah_40040322650008_TRO_TA-21-26.pdf - Published Version Download (199kB)
	Text Ikbal Ahnaf Khairullah_40040322650008_TA.pdf - Published Version Download (1MB)
	Text Ikbal Ahnaf Khairullah_40040322650008_TA 85.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text Ikbal Ahnaf Khairullah_40040322650008_TA 142.pdf - Published Version Download (1MB)
	Text Ikbal Ahnaf Khairullah_40040322650008_TA BAB V.pdf - Published Version Download (119kB)
	Text Ikbal Ahnaf Khairullah_40040322650008_TRO_TA-180-183.pdf - Published Version Download (183kB)
	Text Ikbal Ahnaf Khairullah_40040322650008_TRO_TA-184-191.pdf - Published Version Restricted to Repository staff only Download (913kB) | Request a copy

Abstract

Perancangan dan Evaluasi Sistem Perception Visual Berbasis YOLOv8 untuk
Alignment dan Docking Pallet pada Automated Guided Vehicle (AGV) Forklift
Ikbal Ahnaf Khairullah
Program Studi Sarjana Terapan Teknologi Rekayasa Otomasi, Sekolah Vokasi,
Universitas Diponegoro
Automated Guided Vehicle (AGV) forklift membutuhkan sistem persepsi
visual yang mampu mengenali pallet dan menghasilkan informasi penyelarasan
secara stabil sebelum proses docking. Penelitian ini merancang dan mengevaluasi
sistem perception visual berbasis YOLOv8 menggunakan kamera RGB Orbbec
Astra Pro dan NVIDIA Jetson Orin Nano. Model YOLOv8 digunakan untuk
mengenali lima kelas, yaitu floor marking, block, front, hole pallet, dan pallet.
Keluaran deteksi berupa kelas objek, confidence, dan bounding box diintegrasikan
melalui ROS 2. Pada tahap alignment, pasangan hole pallet digunakan untuk
membentuk titik tengah dan orientasi visual, sedangkan deteksi block digunakan
untuk memvalidasi geometri dan menentukan expected block center. Informasi
tersebut selanjutnya digunakan untuk menghitung error lateral, error yaw, dan error
forward. Untuk mengurangi fluktuasi hasil pengukuran, sistem menerapkan
Exponential Moving Average, penolakan outlier, dan validasi temporal sebelum
status alignment diterbitkan dan digunakan sebagai masukan kontrol proporsional.
Evaluasi dilakukan melalui pengujian deteksi pada variasi jarak, posisi, orientasi,
dan pencahayaan serta pengujian parameter error visual. Hasil pengujian deteksi
halangan pada jarak 1,2-3,0 m menghasilkan detection rate 100% dengan
confidence rata-rata 0,7072-0,8215. Pada variasi posisi kiri, tengah, dan kanan,
detection rate juga mencapai 100% dengan confidence rata-rata 0,7098-0,8155.
Kata kunci: AGV forklift, YOLOv8, perception visual, alignment pallet, docking,
ROS 2.

Actions (login required)

View Item