digilib@itb.ac.id +62 812 2508 8800

Robot manipulator banyak digunakan di industri untuk menangani tugas yang repetitif seperti memindahkan komponen. Visual Servoing dikembangkan untuk mengkompensasi kelemahan kontrol robot konvensional yang memerlukan pengetahuan presisi terkait objek dan model robot. Penelitian terbaru dalam algoritma pendeteksian objek berbasis deep learning saat ini memperkenalkan YOLOv7 yang akurasi tinggi dan mampu mendeteksi objek secara real time. Pada penelitian ini YOLOv7 diimplementasi untuk mengendalikan pergerakan robot manipulator. Model YOLOv7 dilatih untuk mendeteksi sebuah bola ungu dengan 2100 gambar data training. Skema Image-Based Visual Servoing (IBVS) dikembangkan dengan menurunkan hukum kendali, matriks Jacobian Robot, dan matriks Jacobian Image. Kedalaman titik fitur pada matriks Jacobian Image diestimasi dengan melakukan regresi kuadratis terhadap lebar objek terdeteksi. Algoritma ini diaplikasikan pada robot manipulator PUMA260 dengan 6 derajat kebebasan. Robot manipulator diharapkan dapat menjejak objek bola ungu dengan menimisasi galat ternormalisasi. Hasil pengujian menunjukkan bahwa pengendali yang dirancang bersifat stabil dan galat terminimalisasi dalam 65 iterasi dengan konstanta proporsional 0.07.