Kontak Person:
Suwarsono
Universitas Muhammadiyah Malang
Email: suwarsono@umm.ac.id
Abstrak
Tuntutan kualitas transportasi khususnya kerta api semakin meningkat. Salah satu aspek pendukung kelancaran perjalanan
kereta api adalah kesempurnaan rel, sebagai pemandu jalan kereta api. Teknologi pengukuran untuk mengukur cacat pada
permukaan rel kereta api sudah banyak dikembangkan. Untuk melakukan inspeksi dan pengukuran rel kereta api yang
panjang dan berbahaya, karena lalulintas kereta api yang sibuk, memerlukan ketelitian dan kecepatan yang tinggi. Tujuan
akhir rangkaian penelitian ini adalah membangun sistem pengukuran cacat permukaan rel kereta api secara visual, yaitu
teknik pengolahan citra (image processing). Kebaruan dalam penelitian ini adalah pada penggunaan Dua Laser Garis
Sejajar dan sensor citra pemantau cacat permukaan jalur rel. Dengan demikian, mampu mendeteksi kualitas rel secara cepat
dan relatif mudah dan kontinyu sehingga dapat memberikan kondisi rel secara menyeluruh. Penelitian ini masuk pada tahap
pengembangan 2 sistem sensor, luaran berupa: (a) sensor pelacak lintasan rel, menggunakan stereo camera, (b) sensor
kualitas permukaan, menggunakan Parallel lines laser dan CCD. Metode parallel laser berhasil mendeteksi adanya cacat
pada permukaan rel dan mendeteksi getaran pada struktur, melalui deteksi perubahan jarak kedua laser. Inspeksi dengan
pengolahan gambar pada makalah ini layak dijadikan alternatif yang bisa menggantikan inspeksi secara manual yang
selama ini dilakukan.
Kata kunci: Inspeksi Rel Kereta, Pengolahan Citra, Laser Paralel, Kerataan Rel Kereta
1. Pendahuluan
Lalu lintas masyarakat modern semakin tinggi, membutuhkan alat transportasi yang cepat,
nyaman dan aman. Pada transportasi darat di Indonesia, khususnya di pulau Jawa, masyarakat banyak
meminati kereta api (train) karena memenuhi persyaratan transportasi tersebut.
Tuntutan kualitas transportasi khususnya kerta api semakin meningkat. Salah satu aspek
pendukung kelancaran perjalanan kereta api adalah kesempurnaan rel, sebagai pemandu jalan kereta
api. Teknologi pengukuran untuk mengukur cacat pada permukaan rel kereta api sudah banyak
dikembangkan. Untuk melakukan inspeksi dan pengukuran rel kereta api yang panjang dan berbahaya
bagi juru inspeksi, karena lalu lintas kereta api yang sibuk, memerlukan inspeksi dengan ketelitian dan
kecepatan yang tinggi [1, 2].
Teknik yang digunakan ini adalah pengembangan dari penelitian sebelumnya yang
menggunakan teknik pengolahan citra sebagai alat untuk mendeteksi tepi las [1]. Di dalam penelitian
sebelumnya, penelitian dilakukan untuk mencari metode deteksi tepi yang paling tepat untuk
menggambarkan kondisi permukaan. Dan kesimpulannya adalah, metode yang paling baik adalah
metode disk 15 (dengan filter berjari-jari 15). Oleh karena itu dalam makalah ini hanya akan
menggunakan metode disk, akan tetapi ukuran jari-jarinya dikecilkan menjadi 12, karena gambar rel
tidak berada pada ruang tertutup sebagaimana pada gambar permukaan las sehingga efek cahayanya
lebih melebar.
Sistem pengukuran terdiri dari kamera digital dan laser garis (Krisbow KW0102546). Keduanya
dipasang untuk sistem tiga sumbu. laser Garis dipasang 1800 mm di atas rel. Ini menghasilkan bidang
cahaya yang memotong profil rel. Kamera digital diletakkan di belakang berkas laser dengan
membentuk sudut ao terhadap cahaya laser. Pengambilan gambar dengan kamera tanpa mengubah
fokus kamera (resolusi 8 Mega Piksel). Pengambilan gambar tanpa merubah fokus lensa (resolusi 8
Mega Piksel). Setup peralatan seperti Gambar 1. Sedangkan hasil foto disajikan pada Gambar 2.
a b
Gambar 1 Posisi kamera digital dan laser garis terhadap re (a), dan Laser carriage (b)
diolah. Oleh karena itu gambar dicrop terlebih dahulu. Pengkropan ini tidak akan merubah nilai
intensitas gambar asli, hanya saja mengalami perubahan dalam ukuran gambar.
(R + G + B)
Nilai grayscale = (1)
3
2.1.3 Unsharp
Unsharp dilakukan untuk mengontraskan gambar, agar perbedaannya lebih mencolok untuk
selanjutnya diolah dengan median filter. Persamaan filter unsharp adalah Persamaan 2 [3-7].
1 −𝛼 𝛼−1 −𝛼
[ 𝛼− 1𝛼 5 𝛼 −1 ] (2)
(𝛼 + 1)
−𝛼 𝛼−1 −𝛼
Setelah pengolahan ini gambar sudah bisa diolah, karena bisa dibedakan dengan jelas antara
gambar laser dan selainnya. Sehingga gambar laser dapat diwakili dengan warna putih. Dari
pengolahan gambar yang ada yaitu tahap terakhir (control Nouse), dapat kita olah selanjutnya dengan
mentransfer tiap tepi atas dan tepi bawah menjadi grafik. Setelah itu dicari pertengahan tepi atas dan
tepi bawah sebagai grafik yang mewakili gambar laser (garis tengah) (Gambar 3). Grafik inilah
selanjutnya akan dijadikan data yang selanjutnya diolah untuk dicari kerataan rel (Gambar 4).
Gambar 4 Hasil tiap Tahap pengolahan dari asli sampai control noise
Kesimpulan
Hasil Validasi software antara ukuran nyata dengan yang diukur manual mencapai 99,6 %. pada
pengukuran lebar permukaan rel serta pada pengukuran tinggi permukaan rel adalah 99 %. Hal ini
memberikan informasi, bahwa pengolahan citra pada makalah ini layak dijadikan sebagai alternatif
untuk menggantikan inspeksi manual yang selama ini dilakukan. Pengolahan dengan pengolahan citra
juga adalah sarana untuk meningkatkan efisiensi waktu inspeksi rel kereta api.
Pada penelitian ini didapatkan kerataan permukaan rel Normal yang diinspeksi adalah 0,45 mm.
Selanjutnya hasil ini dapat dibandingkan dengan standar kerataan permukaan rel kereta, untuk
mengetahui kualitas rel.
Referensi
[1] Baskoro, A.S., Suwarsono, Kiswanto, G., Comparison of Edge-Detection Methods for Vision
Based Clad Height Measurement in Welding Inspection, International Journal of Machine Vision
and Applications, January 2010.
[2] Musderita, Inspeksi Kualitas Rel Kereta Dengan Menggunakan Image Processing Method,
Skripsi, Teknik Mesin UMM 2016
[3] -,Image Processing Toolbox™ User’s Guide, The MathWorks, Inc.,2008
[4] S.W. Smith, Digital Signal Processing, 2nd edition, California Technical Publishing, California,
1999.
[5] -, IMAQTM Vision Concepts Manual, Nasional Instruments Part Number 322916A-01, October
2000.
[6] https://hendriyana90.wordpress.com.
[7] T.A. Davis, Y.C. Shin, Vision-based clad height measurement, International Journal of Machine
Vision and Applications, January 2010.