REAL-TIME IMAGE DEHAZING UNTUK DRONE BERBASIS IoT DENGAN EDGE COMPUTING
Author
Abstract
Kabut dapat menurunkan kualitas visual citra yang diperoleh kamera drone sehingga mengurangi kejelasan objek dan informasi pada proses pemantauan. Penelitian ini bertujuan mengembangkan sistem real-time image dehazing untuk drone berbasis Internet of Things (IoT) dengan pendekatan edge computing. Metode image dehazing yang digunakan adalah All-in-One Dehazing Network (AOD-Net), yang dilatih secara supervised menggunakan dataset RESIDE-6K dengan pasangan citra berkabut (hazy image) dan citra bebas kabut (ground truth). Evaluasi model dilakukan menggunakan Peak Signal-to-Noise Ratio (PSNR), Structural Similarity Index Measure (SSIM), dan evaluasi visual. Model kemudian diimplementasikan pada aliran video drone DJI Tello dengan laptop sebagai edge computing node. Komunikasi metadata sistem dilakukan menggunakan protokol MQTT melalui Mosquitto Broker dan ditampilkan pada dashboard monitoring. Hasil validasi menggunakan lima random seed menghasilkan nilai PSNR sebesar 17,97 ± 0,08 dB dan SSIM sebesar 0,8357 ± 0,0017, yang menunjukkan performa model relatif konsisten. Evaluasi visual menunjukkan bahwa AOD-Net mampu mengurangi tampilan kabut dan meningkatkan kontras citra, meskipun pada beberapa kondisi terjadi perubahan luminansi dan saturasi warna. Pada pengujian video drone, sistem menghasilkan FPS pada rentang 19,5–27,9 FPS dengan rata-rata sekitar 23,0 FPS dan latensi 34–50 ms/frame dengan rata-rata 41,2 ms/frame. Berdasarkan tiga sesi log pengujian dengan total 5.541 frame, diperoleh rata-rata waktu inferensi sebesar 33,43 ms/frame dan waktu pemrosesan total sebesar 35,54 ms/frame. Hasil penelitian menunjukkan bahwa AOD-Net berhasil diintegrasikan dengan drone, edge computing, IoT, dan dashboard monitoring untuk melakukan image dehazing secara kontinu pada aliran video drone.