Research Papers

Abstract

Penyandang disabilitas di Indonesia mencapai 5% dari jumlah populasi penduduk Indonesia termasuk tuna daksa dan tuna netra. Berdasarkan masalah dialami oleh penyandang disabilitas atas keterbatasan ruang gerak, maka diperlukan pengembangan alat bantu yang dapat memberikan manfaat bagi penyandang disabilitas. Kursi roda merupakan alat bantu yang dapat membantu penyandang disabilitas dalam beraktivitas. Kursi roda elektrik memiliki keunggulan berupa kemudahannya dalam dikendalikan dan bermanuver, kemampuannya dalam melewati bidang miring, serta lebih mudah untuk dibawa ke tempat yang relatif jauh. Pada penelitian ini bertujuan untuk mengembangkan sistem yang dapat digunakan untuk mendeteksi plat nama ruangan secara otomatis pada kursi roda pintar. Pada sistem ini objek papan nama ruangan yang ditangkap oleh kamera akan dijadikan sebagai tujuan dari pergerakan kursi roda secara otomatis. Objek tangkapan kamera akan diolah menggunakan metode YOLOv5 dan EasyOCR. Penelitian ini dapat membuktikan bahwa nilai akurasi terhadap plat nama ruangan dengan menggunakan metode YOLOv5 mendapatkan nilai akurasi sebesar 60% sedangkan 100% untuk metode EasyOCR. Hal ini memungkinkan kemampuan integrasi sistem deteksi objek dan pengenalan karakter ruangan pada sistem autonomous terhadap peningkatan nilai PWM (pulse width modulation) yang dapat diartikan jika sistem tidak dapat mengenali karakter plat nama ruangan yang mengakibatkan kursi roda terus berjalan hingga menemukan objek yang dicari.

Methodologies

• YOLOv5
• EasyOCR

Abstract

A corrosion inhibition test, coupled with a quantification of in-situ H2 evolution, can be used to evaluate an organic inhibitor such as Timoho leaf extract (TLE). TLE is a biodegradable and effective corrosion inhibitor because of its potential to protect 304SS against sulfuric acid. TLE corrosion inhibitor was studied through systematic electrochemical experiments and morphological characterization, with a concentration range of 0–6g L−1. Convolutional Neural Network (CNN)-VGG16 was one of the machine learning approaches used to classify and predict physical changes in hydrogen gas bubbles. Constituents of the TLE and 304SS surfaces were analyzed by FT-IR and UV–Vis tests. The results suggested that 3 g L−1 TLE inhibitor was able to reduce the corrosion rate by 99.37 %. The TLE's inhibition mechanism on 304SS was mixed adsorption and mixed type inhibitor that followed the Isothermal Freundlich Equation. The prediction model by CNN-VGG16 for corrosion tests at varied inhibitor doses was 96% accurate. SEM tests revealed that TLE constituent adsorption on the 304SS surface had a smooth surface morphology with few degraded spots.

Methodologies

• VGG16
• CNN