Inti bacaan
Mobil inspeksi melintasi sebuah lubang. Dalam rekaman video, lubang itu tampak kecil di kejauhan, membesar saat kendaraan mendekat, lalu keluar dari gambar. Untuk mata manusia, itu satu lokasi. Untuk sistem yang memeriksa gambar demi gambar, ada beberapa kesempatan mendeteksi objek yang sama. Selisih ini menentukan apakah hasil inspeksi akan membantu petugas atau justru menambah daftar panjang yang mesti dibersihkan.
Riset doktoral Hani’ah Mahmudah di Institut Teknologi Sepuluh Nopember membahas tahap deteksi tersebut. Pada 13 April 2026, ITS memaparkan penggunaan kamera kendaraan untuk merekam permukaan jalan dan model untuk mengenali kerusakan seperti lubang. Pemrosesan dilakukan pada perangkat komputasi di dekat sumber data, pendekatan yang dikenal sebagai edge computing. Tujuannya menghasilkan data kerusakan yang bisa ditindaklanjuti.
Bagaimana temuan kamera menjadi pekerjaan lapangan?
Bayangkan pengelola kawasan industri ingin memeriksa ruas yang sering dilalui truk. Daripada menonton sepanjang rekaman perjalanan, petugas bisa memulai dari potongan yang ditandai. Satu potongan sebelum dan sesudah temuan membantu menunjukkan arah pandang dan posisinya relatif terhadap gerbang atau marka. Nilai bagi petugas terletak pada berkurangnya waktu mencari bukti visual, terutama bila ia masih bisa membuka rekaman lengkap untuk memeriksa konteksnya.
Yang dipelajari dari gambar
Menurut ITS, sistem menggunakan model jaringan saraf konvolusional iYOLOv7-TPE-SS dan perangkat NVIDIA AGX Orin. Dalam bahasa sederhana, model memeriksa pola visual dalam foto atau video dan menghasilkan identifikasi objek. Penempatan perangkat di kendaraan memberi tim pilihan untuk mengolah gambar saat data dikumpulkan. Pengguna tetap perlu menentukan sendiri apa yang disimpan, berapa lama rekaman dibutuhkan, serta siapa yang memeriksa temuan.
Sebelum mencoba sistem sejenis, sebuah tim bisa menyiapkan rute dengan kondisi beragam. Sertakan aspal kering, bayangan pohon, dan genangan yang sulit dibedakan dari cekungan. Dua petugas menandai contoh secara terpisah lalu membandingkan hasilnya. Perbedaan penilaian antarorang akan menunjukkan kondisi yang memang ambigu bahkan sebelum akurasi mesin ikut dinilai.
Dari gambar menuju lokasi
Dalam contoh rute tadi, tiga cuplikan dari lubang di depan gerbang harus dapat dikaitkan dengan satu pekerjaan inspeksi. Sebaliknya, dua lubang berdekatan bisa saja memerlukan pemeriksaan terpisah. Catatan arah perjalanan dan titik acuan lapangan akan membantu pemeriksa mengoreksi pengelompokan. Gambar dengan lokasi kurang jelas lebih baik masuk antrean konfirmasi daripada langsung menambah total kerusakan per ruas.
Setelah lokasi diketahui, petugas masih perlu menilai kondisi fisik, luas kerusakan, arus lalu lintas, dan kebutuhan penanganan. Foto dari sudut rendah bisa membuat lubang dangkal terlihat besar. Dari sisi warga, laporan yang menyebut ruas, arah, dan penanda lokasi tetap berguna bahkan ketika gambar belum tersedia.

Sumber dan referensi
Analisis menggabungkan fakta bersumber dan penafsiran Nalarku.
Sumber diperiksa 19 Nov 2026, 20.23 WIB. Disusun dengan bantuan AI dan review editor.
NALAR PEKAN
Pahami kabar AI pilihan lewat email.
Kabar yang sudah ditinjau, konteks Indonesia, dan satu latihan untuk dicoba. Email dikirim ketika edisi sudah siap; konfirmasi alamatmu untuk berlangganan.
Memeriksa kesiapan pendaftaran email…
Pernah berlangganan? Kelola langganan atau daftar kembali.
