KLASIFIKASI KERUSAKAN JALAN: RETAK, RETAK KULIT BUAYA DAN LUBANG BERDASARKAN CITRA DIGITAL
Universitas Gunadarma
Indonesia
Abstract
Penilaian visual kerusakan jalan pada perkerasan fleksibel merupakan pendekatan yang efektif karena kesederhanaan, kepraktisan, dan efisiensinya. Namun dirasakan masih adanya kelemahan karena metode penilaian visual bersifat sangat subjektif, tergantung dari si penilainya, terutama dalam hal pemahaman si penilai sendiri dalam menentukan jenis kerusakan jalan. Hal ini dapat berakibat berbedanya hasil penilaian yang diakibatkan penentuan klasifikasi jenis kerusakan jalan berbeda antara satu penilai dengan penilai yang lain. Sangat penting untuk mengembangkan algoritma atau cara untuk mengkategorikan jenis kerusakan jalan menggunakan foto digital setelah melihat kekurangan visual dalam metode penilaian kerusakan jalan saat ini. Menggunakan kamera digital untuk menangkap gambar adalah langkah awal dari algoritma. Gambar digital kemudian diproses di Matlab RA 2016 untuk ekstraksi dan klasifikasi. Tujuannya adalah untuk mengidentifikasi jenis kerusakan jalan dengan cepat dan akurat menggunakan metode KNN. Temuan menunjukkan bahwa lubang, retakan kulit buaya, dan retakan di jalan dapat diklasifikasikan secara akurat dengan tingkat lebih dari 90%.
Keywords
References
A. Miradi, J. Groenendijk, L. J. M. Dohmen , 2007, ‘Crack Development in Linear Tracking Test Pavement from Visual Survey to Pixel Analysis’ Journal Transportation research record, Journal of transportation Research Board, Vol. 1570, pages 48 – 54.
A.Georgopoulos, A. Loizos, A. Flouda, 1995 ‘Digital image Processing as a Tool for Pavement Distress Evaluation’ ISPRS Journal of Photogrammetry and Remote Sensing, volume 50 Issue 1, pages 25 – 33
Arie Murdianto, 2007. Ekstraksi fitur wajah dengan sobel detection, Universitas Indonesia, Jakarta.
Astuti Fajar. 2013. Pengolahan Citra Digital Konsep dan Teori. Penerbit Andi Offset, Yogyakarta
Benedatto.A,Benedetto F,De Blasiis MR,Giunta G. 2005 . Reliability of Signal Processing Technique for Pavement Damages Detection and Classification using Ground penetrating Radar.(Sensor Journal, IEEE (Volume 5, Issue : 3) June 2005, pp. 471 – 480.
D.Long and M. Fox, 2003. ‘An Extension to PDDL for Expressing Temporal Plann-ing Domains’ Journal of Artificial Intelligence research, vol. 20, pages 61-124.
Dirglaksono, P. dan Mochtar I.B. (1990) Studi Penyempurnaan Evaluasi Visual untuk Kondisi Kerusakan Jalan di Indonesia, Jurusan Teknik Sipil, FTSP-ITS.
Ghada mousa, Khded Hussain.(2011). A new Technique for Automatic Detection and parameter estimation of pavement Crack. Proceeding of the 4th in International 2011. Iis.org
Gonzales R. C., Woods, R. E. 2004. Digital Image Processing Using MATLAB. Preti-ce Hall, New Jersey.
Kelvin C.P Wang, Oiang Li, Weiguo Gong. 2007. Wavelet- based Pavement Distress Image Edge Detection with aTraus Algorithm. Journal of The Transport e Research Board, Volume 2024/2007.
Lou Jing, Chang Zhou, 2010. Pavement Crack Distress Detection based on Image Analysis. (Machine Vision and Human machine Interface (MVHI), 2010.International Conference on 2010 (China) pp.576-579.
Mohajeri, M.Jerry H Manning, Patrick J. 1991. An operating System of Pavement Distress, Diagnosis By Image Processing . (journal Transportation Research Board Number 1311, pp. 120-130 ,(1991.) pp.73-81.
R.E.Woods and S.L. Eddins, 2005. Computer Imaging : Digital, Image Analysis and Processing, CRC Press, Boca Raton.
Rafael C. Gonzales and Wintz, 2002. Digital image Processing. University of Tennesse, New Jersey.
Shuzhibiao, Guo yanqing, 2013. Algorithm On Contourlet Domain In Detection Of Road Cracks for Pavement Images . Jour.nal of Algorithms & Computational Tech-nology, Vol.7, No.1/march 2013, pp.15-26.
T. Saar, O. Talvik, 2010, Automatic asphalt pavement Crack detection and Classi-fication using Neural Network. Biennial Baltic Electronics Conference (BEC)
Timu Saaren Keto, Tom Scullion. 2000. Road Evaluation with Ground Penetrating Radar. (Elsevier, Journal of Applied Geophysics,Volume 43,Issues 2-4, March2000 Pages 119-138.
Wei wei D dan Mingli, Des 2008. A binary image enhancement and recognition approach in crack detection using exploring agents, vol. 5637.
Wigan M. 1992. Image Processing Techniques applied to Road Problems. Journal Transportation Engineering 118 (1), 62 – 83.
Zhaoyun Sun, Chang An, Wei Li, Aimin Sha. (2010) Automatic pavement Cracks Detection System based on Visual Studio C++6,0 (Natural Computation, 2010 Sixth International Conference on Vol.4 pp.2016-2019.
Article Tools
Email the author (##plugins.block.readingTools.loginRequired##)