Perpustakaan Digital ITB

Ground Penetrating Radar (GPR) adalah salah satu metode geofisika non-destruktif yang digunakan untuk studi pemetaan bawah permukaan. Benda-benda silindris, yang terdeteksi oleh GPR, memiliki pola sinyal hiperbola pada radargram. Bentuk dari hiperbola tersebut bergantung pada kedalaman, material dari objek yang terkubur, dan material lingkungan sekitarnya. Dalam penelitian ini, diusulkan sebuah kerangka solusi untuk meminimalisir waktu yang dibutuhkan dalam proses pendeteksian pola hiperbola pada radargram. Kerangka solusi dikembangkan dengan melibatkan penggunaan convolutional neural network, dan teknik pemrosesan gambar yang disajikan melalui 2 modul yang berbeda. Modul pertama adalah modul deteksi hiperbola yang memiliki keluaran boundary box berisi pola hiperbola dari masukan radargram dengan format raster. Model pendeteksian pada modul pertama dilatih menggunakan data radargram sintetik hasil simulasi program gprMax. Simulasi radargram sintetik dioptimasi menggunakan komputasi graphics processing units(GPU) untuk mempersingkat waktu simulasi. Modul deteksi hiperbola dievaluasi pada 96 radargram sintetik dan menghasilkan nilai precision sebesar 93,98% dan recall sebesar 73,4%. Modul kedua adalah ekstraksi koordinat puncak yang memiliki keluaran koordinat puncak hiperbola. Modul ekstraksi koordinat puncak berisi algoritma pencarian koordinat pada gambar dengan mencari pixel dengan intensitas maksimum pada jendela pencarian yang sebelumnya dirancang. Modul ekstraksi koordinat puncak berhasil diimplementasikan pada hiperbola yang tidak terinterferensi oleh batas lapisan bawah permukaan. Menggunakan kerangka solusi yang telah dikembangkan, pendeteksian objek silindris yang terkubur menggunakan GPR dapat dilakukan secara otomatis.