Perkembangan teknologi pengolahan citra mendorong penerapan sistemrnkendali otomatis, salah satunya pada penentuan target coil gun. Penelitian inirnbertujuan mengimplementasikan metode Canny Edge Detection untuk mendeteksirntarget dan menentukan koordinat objek secara otomatis. Sistem terdiri atas webcamrnsebagai akuisisi citra, Python pada Visual Studio Code sebagai pengolah citra,rnArduino Nano sebagai pengendali, motor stepper NEMA 23 sebagai penggerak,rnserta komunikasi serial sebagai media pertukaran data. Metode penelitian meliputirnperancangan perangkat keras dan perangkat lunak, implementasi algoritma CannyrnEdge Detection, serta pengujian berdasarkan variasi jarak kamera, intensitasrncahaya, akurasi deteksi, dan daya tembus proyektil. Pengujian dilakukan pada limarnjarak, yaitu 100, 200, 300, 400, dan 500 cm, masing-masing sebanyak lima kali.rnHasil menunjukkan tingkat keberhasilan deteksi mencapai 100% (25/25rnpercobaan). Sistem bekerja optimal pada jarak 100–400 cm dan pencahayaanrnnormal maupun redup, sedangkan pada jarak 500 cm serta kondisi cahaya terlalurnterang performa menurun. Pengujian daya tembus menunjukkan proyektil mampurnmenembus kertas 160 gsm hingga jarak 400 cm, dengan tingkat keberhasilanrnpenetrasi 80% (4 dari 5 variasi jarak). Hasil tersebut menunjukkan bahwa metodernCanny Edge Detection efektif diterapkan sebagai penentu target pada sistem coilrngun.


Deskripsi Lain

Advancements in image processing technology have facilitated the implementation of automated control systems, such those used for target acquisition in coil guns. This study aims to implement the Canny Edge Detection method to automatically detect targets and determine object coordinates. The system comprises a webcam for image acquisition, Python in Visual Studio Code for image processing, an Arduino Nano the controller, a NEMA 23 stepper motor for actuation, and serial communication for data exchange. The research methodology encompasses hardware and software design, implementation of the Canny Edge Detection algorithm, and performance testing based on variables such camera distance, light intensity, detection accuracy, and projectile penetration capability. Testing was conducted at five distances—100, 200, 300, 400, and 500 cm—with five trials performed at each distance. The results indicate a detection success rate of 100% (25 out of 25 trials). The system operated optimally within the 100–400 cm range under both normal and dim lighting conditions, whereas performance declined at a distance of 500 cm and in excessively bright lighting. Penetration tests demonstrated that the projectile could penetrate 160 gsm paper at distances up to 400 cm, achieving an 80% penetration success rate (across 4 out of the 5 distance variations). These findings indicate that the Canny Edge Detection method is effectively applicable for target acquisition in coil gun systems.

• DETEKSI OPTIC NERVE HEAD (ONH) PADA CITRA RETINA MENGGUNAKAN MORFOLOGI MATEMATIS DAN TRANSFORMASI HOUGH
• Rancang Bangun Prototipe Alat Sortir Ikan Otomatis Berbasis Kamera dan Arduino Uno
• RANCANG BANGUN ROBOT PENGHINDAR HALANGAN BERBASIS KAMERA MENGGUNAKAN DETEKSI KONTUR
• RANCANG BANGUN MOBILE ROBOT PEMADAM API MENGGUNAKAN PHOTOTRANSISTOR DAN KAMERA
• RANCANG BANGUN SISTEM INFORMASI PEMETAAN KERUSAKAN JALAN BERBASIS WEB DAN IMAGE PROCESSING