Perpustakaan Digital ITB

Kebutuhan untuk menentukan sikap dan orientasi saat berada dalam kondisi "Lost-In-Space (LIS)" sangat penting untuk navigasi pesawat ruang angkasa. Sensor bintang, sebagai salah satu sensor dalam navigasi pesawat ruang angkasa akan mengidentifikasi pola bintang di bidang pandang (FOV). Pengenalan pola bintang biasanya akan dilakukan dengan membuat suatu algoritma untuk mengklasifikasikan gambar bintang. Convolution neural network sebagai salah satu deep learning paling terkenal dalam mengidentifikasi gambar akan digunakan untuk penelitian ini. Proses ini akan lebih menantang dengan fakta bahwa bintang di langit memiliki probabilitas stokastik karena kondisi alam. Penelitian ini menyajikan metode untuk mengidentifikasi pola bintang dengan dua jenis feature extraction yaitu algoritma multitriangle dan algoritma spiderweb. Penelitian ini juga akan membandingkan kinerja tiga convolution neural network yang berbeda: VGG16, ResNet, dan Simple CNN untuk mengklasifikasikan bintang berdasarkan proses feature extraction. Ide yang diusulkan akan disimulasikan pada perangkat lunak python dan menggunakan gambar bintang yang disimulasikan di bidang pandang (FOV) yang memiliki dimensi 62,2 × 48,8 derajat dan mengubahnya menjadi gambar dengan resolusi 3280 × 2464 piksel dan akhirnya dipotong menjadi 224 × 224 piksel. Hasil simulasi menunjukkan bahwa model CNN yang dibuat (Simple CNN) sudah baik tetapi gambar dataset untuk simulasi perlu lebih luas untuk mencakup lebih banyak bintang.