Namun saat ini, dashcam yang ada di pasaran belum mampu melakukan hal tersebut, sehingga pengembangan prototipe dashcam khusus masih terus dilakukan. Dashcam yang dikembangkan akan mampu mendeteksi kerusakan jalan mulai dari kategori rusak ringan sampai rusak berat berdasarkan algoritma tertentu yang dikembangkan melalui machine learning.
Akurasi data menjadi isu terbesar yang harus dipenuhi oleh sistem pendeteksi ini. Untuk itu, diperlukan sumber data yang banyak agar sistem dapat mengenali berbagai variasi kerusakan jalan serta meminimalisir kemungkinan salah deteksi.
Baskara menjelaskan, “Pekerjaan machine learning atau artificial intelligence yang paling melelahkan adalah pengumpulan data. Bisa berbulan bulan bahkan bertahun-tahun. Supaya saat kita latih komputernya, dia benar benar pintar dan akurat, jadi datanya harus banyak.”
ADVERTISEMENT
SCROLL TO RESUME CONTENT
Sistem road damage detection saat ini masih mengandalkan identifikasi manual dengan cara melihat video rekaman dashcam secara langsung, kemudian pengamat harus memblok area jalan yang mengalami kerusakan. Namun ketika sistem sudah beroperasi secara optimal, hasil rekaman dashcam akan langsung dikirim ke cloud pusat yang ada pada server.
Tantangan yang kemudian muncul adalah besarnya bandwidth yang dibutuhkan untuk mengirim dan mengunduh data. Kalaupun bandwidth mencukupi, tantangan lain adalah masalah biaya yang relatif besar saat mengirim maupun mengunduh data dari cloud pusat.
Pendekatan baru yang ditawarkan untuk menghadapi tantangan ini adalah penggunaan edge computing. Dengan edge computing, pengolahan data akan dilakukan secara lokal dekat dengan sumber data tersebut tanpa harus mengirimnya ke cloud pusat. Hasilnya, data dapat lebih mudah diproses karena rute pengolahan data dari lokal ke sistem cloud lebih pendek. Edge computing ini yang nantinya akan diwujudkan dalam bentuk sistem cloud di dalam dashcam.
Halaman : 1 2 3 Selanjutnya
