📚 Eksplorasi & Komparasi Topik Dokumen

PERSEPSI SPASIAL DAN KLASIFIKASI PERILAKU IKAN BERBASIS COMPUTER VISION UNTUK PENGAMBILAN KEPUTUSAN PEMBERIAN PAKAN ADAPTIF PADA EDGE DEVICE

Pada pemeliharaan ikan budi daya yang ideal memerlukan pemantauan perilaku yang kontinu, namun pendekatan konvensional yang bersifat pemantauan manual serta sistem yang sudah ada sulit diterapkan pada skala rumahan maupun edge device. Tugas akhir ini mengembangkan subsistem Pemberian Pakan Adaptif yang mengintegrasikan persepsi spasial berbasis computer vision (mono-camera) dengan pengambilan keputusan pemberian pakan adaptif pada edge device. Deteksi dan pelacakan ikan dilakukan menggunakan YOLO dan ByteTrack, dikalibrasi dengan marker ArUco, serta digabungkan dengan depth estimation monokular berbasis transformer untuk memetakan posisi ikan ke dalam tensor okupansi volumetrik 3×3×2. Tiga indikator etologis, yaitu varians kinematik, Spatial Deviation Index berbasis Exponential Moving Average, dan mask temporal diurnal, kemudian diklasifikasikan melalui logic tree menjadi lima status (Acute Stress/????????, Lethargic/????????, Quiescent/Q, Feed Anticipatory/F, Normal Foraging/E) perilaku. Status perilaku ini menjadi dasar pengambilan keputusan pemberian pakan: sesi pakan di-trigger apabila mayoritas ikan menunjukkan perilaku mencari makan, dan dihentikan secara otomatis (fail-safe) saat ikan memberikan respons makan negatif. Sistem diuji pada Jetson Orin Nano dan mencapai akurasi persepsi planar 94,00% (F1 96,91%) serta volumetrik 82,16% (F1 90,21%), dengan skema inferensi multi-rate (10 Hz lateral, 1 Hz depth) yang menjaga suhu GPU stabil pada 56,7°C. Pada pengujian fungsi pemantauan dan pengendalian pakan semua spesifikasi tercapai. Alat ini dapat dikembangkan untuk smart aquaculture dan smart agriculture.