“Perancangan ini merupakan alat bantu mobilitas yang terpasang di kepala, menggabungkan kamera time-of-flight, kamera web, dan sensor sentuh. Sistem ini menggunakan pengelompokan K-Means, Convolutional Neural Network (CNN), dan pemrograman concurrent pada Raspberry Pi 4B untuk mendeteksi dan mengklasifikasikan rintangan serta mengenali objek di sekitarnya,” kata Wahyudi.
Sistem mendeteksi rintangan dinamis menggunakan kamera time-of-flight dan algoritma K-Means untuk menghasilkan audiospasial.
Audiospasial ini mendapatkan pengaruh arah horizontal dan vertikal serta jarak objek.
Selain itu, audio spasial memanfaatkan kepekaan pendengaran tunanetra.
Dengan demikian, pengguna dapat memperkirakan posisi rintangan terdekat secara akurat melalui audio tersebut.
Dalam sistem pengenalan objek ini, pengguna dapat mengidentifikasi objek berdasarkan nama, arah, dan jaraknya, yang sangat berguna bagi tunanetra dalam menjalankan aktivitas sehari-hari.
Pengoperasian seluruh sistem menggunakan pemrograman concurrent, sehingga waktu eksekusi menjadi lebih cepat daripada menggunakan metode pemrograman berbasis loop tak berujung (infinite loop).
Perancangan perangkat keras menyesuaikan dengan struktur wajah pengguna.
Sistem ini juga memiliki keluaran audio yang fleksibel sehingga mampu beradaptasi dengan kebutuhan individu secara optimal.
“Pada pengembangan selanjutnya, untuk meningkatkan fungsi alat bantu tunanetra, perlu penambahan beberapa sensor yang memungkinkan perangkat mengetahui posisi pengguna serta mengenali teks.
“Dengan penambahan fitur-fitur tersebut, kecepatan komputasi dan performa mikroprosesor juga harus meningkat agar proses berjalan lebih efisien,” katanya. (*)