Deteksi Pergerakan Mata pada Kondisi Cahaya Rendah dengan Self-Calibrated-Illumination dan MobileNetV3-Large menggunakan Jetson Nano
Kata Kunci:
Disabilitas Ganda, Kursi Roda, Deteksi Pergerakan Mata, MobileNetV3-Large, Self Calibrated Illumination (SCI), Jetson NanoAbstrak
Survei Sosial Ekonomi Nasional (SUSENAS) 2018 menunjukkan bahwa dari 30,4 juta orang penyandang disabilitas di Indonesia, yang setara dengan 11,5% dari total populasi. Ada banyak ragam disabilitas yang dikenal, di antaranya adalah disabilitas ganda atau disfungsi tandan dan kaki. Pengidap disabilitas ganda menjadikan kursi roda sebagai alat bantu vital. Namun, kursi roda manual dan elektrik yang umum digunakan tidak memadai untuk mereka yang mengalami disfungsi tangan dan kaki. Sehingga kami usulkan cara alternatif yang lebih efektif dengan memanfaatkan pergerakan mata yang difungsikan sebagai navigasi arah gerak kursi roda. Metode deteksi pergerakan mata sangat sensitif pada kondisi cahaya rendah sehingga dapat mengurangi akurasi dan keandalan sistem. Penelitian ini mengusulkan metode deteksi pergerakan mata dengan memanfaatkan algoritma image classification MobileNetV3-Large dan Self Calibrated Illumination (SCI) untuk meningkatkan pencahayaan gambar di kondisi minim cahaya. Hasil integrasi sistem pada kursi roda menunjukkan kinerja yang efisien dengan lima subjek pengujian. Kelas dengan akurasi terbaik adalah close (100% di kondisi terang dan 97.77% di kondisi gelap), sementara akurasi terburuk adalah kelas left (75.55% di kondisi terang) dan right (64.44% di kondisi gelap).
Referensi
Adnan, A.R., Yahaya, S.Z. and Hussain, Z., 2021. Control of Electric Wheelchair via Eye Gestures for People with Neurological Disorder. In: 2021 11th IEEE International Conference on Control System, Computing and Engineering (ICCSCE). pp.210–215.
Awais, M.A., Yusoff, M.Z., Yahya, N., Ahmed, S.Z. and Qamar, M.U., 2020. Brain Controlled Wheelchair: A Smart Prototype. Journal of physics. Conference series, 1529(4), p.42075.
Dutta, P.P., Kumar, A., Singh, A., Saha, K., Hazarika, B., Narzary, A. and Sharma, T., 2020. Design and Development of Voice Controllable Wheelchair. In: 2020 8th International Conference on Reliability, Infocom Technologies and Optimization (Trends and Future Directions) (ICRITO). pp.1004–1008.
Howard, A., Sandler, M., Chu, G., Chen, L.-C., Chen, B., Tan, M., Wang, W., Zhu, Y., Pang, R., Vasudevan, V., Le, Q.V. and Adam, H., 2019. Searching for MobileNetV3. In: 2019 IEEE/CVF International Conference on Computer Vision (ICCV). [online] Tersedia di: <http://arxiv.org/abs/1905.02244>.
Jafar, F., Fatima, S.F., Mushtaq, H.R., Khan, S., Rasheed, A. and Sadaf, M., 2019. Eye controlled wheelchair using transfer learning. In: 2019 International Symposium on Recent Advances in Electrical Engineering (RAEE). pp.1–5.
Laksono, B.S.P. and Utaminingrum, F., 2022. Navigasi Menu Berdasarkan Arah Pandangan Mata pada Kursi Roda Pintar menggunakkan Fusion-CNN berbasis Jetson TX2. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 6(12), pp.5601–5607.
Ma, L., Ma, T., Liu, R., Fan, X. and Luo, Z., 2022. Toward Fast, Flexible, and Robust Low-Light Image Enhancement. In: 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). IEEE Computer Society. pp.5627–5636.
Widinarsih, D., 2019. Penyandang Disabilitas Di Indonesia: Perkembangan Istilah Dan Definisi. Jurnal Ilmu Kesejahteraan Sosial, 20(2), pp.127–142.
Xu, J., Huang, Z., Liu, L., Li, X. and Wei, K., 2023. Eye-Gaze Controlled Wheelchair Based on Deep Learning. Sensors, 23(13). https://doi.org/10.3390/s23136239.
Adnan, A.R., Yahaya, S.Z. and Hussain, Z., 2021. Control of Electric Wheelchair via Eye Gestures for People with Neurological Disorder. In: 2021 11th IEEE International Conference on Control System, Computing and Engineering (ICCSCE). pp.210–215.
Awais, M.A., Yusoff, M.Z., Yahya, N., Ahmed, S.Z. and Qamar, M.U., 2020. Brain Controlled Wheelchair: A Smart Prototype. Journal of physics. Conference series, 1529(4), p.42075.
Dutta, P.P., Kumar, A., Singh, A., Saha, K., Hazarika, B., Narzary, A. and Sharma, T., 2020. Design and Development of Voice Controllable Wheelchair. In: 2020 8th International Conference on Reliability, Infocom Technologies and Optimization (Trends and Future Directions) (ICRITO). pp.1004–1008.
Howard, A., Sandler, M., Chu, G., Chen, L.-C., Chen, B., Tan, M., Wang, W., Zhu, Y., Pang, R., Vasudevan, V., Le, Q.V. and Adam, H., 2019. Searching for MobileNetV3. In: 2019 IEEE/CVF International Conference on Computer Vision (ICCV). [online] Tersedia di: <http://arxiv.org/abs/1905.02244>.
Jafar, F., Fatima, S.F., Mushtaq, H.R., Khan, S., Rasheed, A. and Sadaf, M., 2019. Eye controlled wheelchair using transfer learning. In: 2019 International Symposium on Recent Advances in Electrical Engineering (RAEE). pp.1–5.
Laksono, B.S.P. and Utaminingrum, F., 2022. Navigasi Menu Berdasarkan Arah Pandangan Mata pada Kursi Roda Pintar menggunakkan Fusion-CNN berbasis Jetson TX2. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 6(12), pp.5601–5607.
Ma, L., Ma, T., Liu, R., Fan, X. and Luo, Z., 2022. Toward Fast, Flexible, and Robust Low-Light Image Enhancement. In: 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). IEEE Computer Society. pp.5627–5636.
Widinarsih, D., 2019. Penyandang Disabilitas Di Indonesia: Perkembangan Istilah Dan Definisi. Jurnal Ilmu Kesejahteraan Sosial, 20(2), pp.127–142.
Xu, J., Huang, Z., Liu, L., Li, X. and Wei, K., 2023. Eye-Gaze Controlled Wheelchair Based on Deep Learning. Sensors, 23(13). https://doi.org/10.3390/s23136239.
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
