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.