Perpustakaan Digital ITB

Perangkat edge pada Industrial Internet of Things (IIoT) harus mengirimkan data dalam jumlah besar melalui jaringan nirkabel yang terbatas bandwidth, serta tetap andal pada kondisi kanal yang buruk. Penelitian ini mengusulkan sistem komunikasi semantik terpadu yang mendukung empat tugas industri, yaitu klasifikasi cacat citra, rekonstruksi citra, klasifikasi teks inspeksi, dan rekonstruksi teks dalam satu model. Sistem ini mengembangkan U-DeepSC dengan tiga peningkatan utama: Feature Selection Module (FSM) berbasis mask untuk memilih fitur penting, mekanisme noise-conditioned keep-ratio yang menyesuaikan jumlah token dengan kondisi kanal, serta vector quantization (VQ) terpadu yang mengodekan setiap fitur menjadi indeks 6-bit. Pendekatan ini mengurangi jumlah bit yang ditransmisikan sekaligus mempertahankan kinerja pada Signal-to-Noise Ratio (SNR) rendah. Hasil pengujian pada dataset DAGM-2007 serta dua dataset teks di kanal Additive White Gaussian Noise (AWGN) dan Rayleigh menunjukkan bahwa IIoT-DeepSC melampaui metode konvensional berbasis 16-QAM, dengan peningkatan hingga 10,3 dB PSNR pada rekonstruksi citra di SNR ?6 dB dan kualitas rekonstruksi teks yang tetap baik dengan jumlah bit transmisi yang lebih sedikit. Hasil pengujian menunjukkan bahwa dengan FSM berbasis mask hanya memerlukan 1.182 bit per citra, atau 99,9% lebih sedikit dibandingkan metode konvensional yang memerlukan 1.204.224 bit per citra, sambil tetap mempertahankan kualitas rekonstruksi pada SNR rendah.