Pemanfaatan Face-Helmet Detection Berbasis AI di PLTG PLNBATAM

Keselamatan kerja merupakan salah satu aspek krusial dalam industri pembangkit listrik. Di lingkungan Pembangkit Listrik Tenaga Gas (PLTG) milik PT.PLN Batam seperti MPP Air Anyir 4x25MW, penggunaan alat pelindung diri (APD), seperti helm, sangat penting untuk melindungi pekerja dari potensi bahaya. Namun, pengawasan terhadap penggunaan APD sering kali menjadi tantangan, terutama di area kerja yang luas dan melibatkan banyak pekerja.

Teknologi pendeteksi helm dan wajah berbasis pemrograman Python dan YOLO (You Only Look Once) Training v8 hadir akan dirancang oleh tim internal pembangkit PLN yang sedang melanjutkan Pendidikan S2 Magister Teknik Elektro di Universitas Teknologi Sepuluh November(ITS-Surabaya) sebagai solusi modern untuk meningkatkan pengawasan dan keselamatan kerja secara real-time. Artikel ini akan membahas rencana implementasi teknologi tersebut di PLTG MPP Air Anyir, termasuk perangkat keras, Cara kerja, dan manfaatnya bagi lingkungan kerja.

Teknologi di Balik Sistem Pendeteksi Helm dan Wajah

YOLO v8 adalah algoritma deep learning terkini yang dirancang untuk deteksi objek secara real-time. Keunggulan YOLO v8 mencakup akurasi tinggi yang memungkinkan pengenalan objek dengan presisi, bahkan dalam kondisi pencahayaan yang kurang optimal. Selain itu, kecepatan prosesnya memungkinkan pengawasan waktu nyata, serta kompatibilitasnya dengan perangkat keras seperti Raspberry Pi atau LattePanda menjadikannya solusi yang kompak dan fleksibel.

Sistem ini menggunakan mini PC seperti Raspberry Pi atau LattePanda yang dilengkapi dengan kamera ekstensi. Kamera tersebut dipasang di beberapa titik lokasi lingkungan PLTG untuk memungkinkan pengawasan menyeluruh terutama diarea turbine gas, area penerimaaan Bahan Bakar Minyak, area Trafo dan PCR(Power Control Room). Kamera dengan resolusi tinggi mendeteksi wajah pegawai untuk mengidentifikasi individu yang bekerja di lokasi tersebut serta memastikan pekerja mematuhi protokol keselamatan dengan menggunakan helm.

Python digunakan sebagai bahasa pemrograman utama karena fleksibilitasnya serta dukungannya terhadap pustaka machine learning seperti TensorFlow dan PyTorch. Skrip Python menjalankan model YOLO v8 untuk memproses video atau gambar dari kamera dan mentrigger output dari Controller Raspberry atau Lattepanda untuk mengeluarkan notifikasi audio jika ada pelanggaran aturan.

Cara Kerja Sistem Face and Helemt Detection Berbasis AI

Sistem ini bekerja dengan mengumpulkan data melalui kamera yang dipasang di beberapa titik lingkungan PLTG. Kamera secara terus-menerus merekam aktivitas pekerja secara real-time, dan gambar atau video yang diambil dikirim ke modul mini PC untuk diproses lebih lanjut. Model YOLO v8 menganalisis data tersebut untuk mendeteksi wajah dan helm.

Safety Briefing Pelaksanaan Pemeliharaan di PLTG MPP Air Anyir (sumber: data Ophar PLTG MPP Air Anyir)

Apabila sistem mendeteksi pekerja tanpa helm, modul akan secara otomatis mengaktifkan sound speaker yang memberikan peringatan langsung. Selain itu, sistem juga dapat mencatat pelanggaran untuk keperluan reporting dan analisis lebih lanjut. Data yang dikumpulkan dapat diintegrasikan dengan sistem manajemen keselamatan kerja, memungkinkan pemantauan real-time melalui dashboard yang menampilkan lokasi pelanggaran dan informasi pekerja yang terlibat.

Rencana Implementasi di PLTG MPP AIR ANYIR

PLTG MPP Air Anyir akan mengadopsi teknologi ini sebagai langkah proaktif untuk meningkatkan keselamatan kerja. Sistem pendeteksi helm dan wajah dipasang di titik-titik strategis seperti pintu masuk dan keluar, area kerja utama, serta lokasi berisiko tinggi seperti area dengan peralatan bertegangan tinggi atau suhu ekstrem. Hal ini memastikan bahwa pengawasan dilakukan secara menyeluruh di seluruh area kerja.

Manfaat Sistem Pendeteksi Wajah dan Helm di Lingkungan Pembangkit PLN Batam

Penerapan teknologi ini membawa berbagai manfaat yang signifikan. Salah satunya adalah peningkatan keselamatan kerja, di mana teknologi ini membantu mengurangi risiko kecelakaan akibat kelalaian pekerja dalam menggunakan APD. Dengan adanya peringatan otomatis, pekerja segera diingatkan untuk memakai helm, sehingga kepatuhan terhadap aturan keselamatan meningkat.
Sistem ini juga meningkatkan efisiensi pengawasan dengan menggantikan kebutuhan pengawasan manual yang memerlukan banyak tenaga kerja. Pengawasan menjadi lebih efektif dan konsisten. Selain itu, data pelanggaran yang tercatat memungkinkan manajemen melakukan analisis untuk meningkatkan kebijakan keselamatan kerja di masa mendatang.
Dalam jangka panjang, teknologi ini juga memberikan efisiensi biaya. Meskipun investasi awal untuk perangkat keras dan pengembangan sistem cukup besar, pengurangan biaya pengawasan manual dan potensi kerugian akibat kecelakaan kerja menjadikannya solusi yang ekonomis.

Tantangan dan Solusi

Tantangan dalam penerapan teknologi ini mencakup kondisi lingkungan seperti pencahayaan yang buruk atau gangguan cuaca, yang dapat memengaruhi akurasi deteksi. Solusi untuk masalah ini adalah dengan menggunakan kamera berteknologi inframerah serta melatih model YOLO dengan data yang mencakup berbagai kondisi pencahayaan.
Identifikasi wajah juga dapat menjadi tantangan, terutama dengan perubahan penampilan seperti penggunaan masker. Model dapat ditingkatkan dengan melibatkan dataset yang lebih bervariasi untuk mengakomodasi situasi ini. Selain itu, perangkat keras seperti kamera dan mini PC memerlukan pemeliharaan rutin. Untuk itu, penyediaan tim teknis yang melakukan perawatan berkala menjadi solusi yang tepat.

Kesimpulan

Penerapan teknologi pendeteksi helm dan wajah berbasis Python dan YOLO v8 di PLTG MPP Air Anyir merupakan langkah inovatif yang dapat meningkatkan keselamatan kerja secara signifikan. Sistem ini tidak hanya memastikan kepatuhan terhadap protokol keselamatan, tetapi juga menyediakan pengawasan real-time yang efisien.
Manfaat dari teknologi ini meliputi peningkatan keselamatan, efisiensi pengawasan, dan pengurangan risiko kecelakaan, menjadikannya solusi yang relevan bagi industri pembangkit listrik. Tantangan yang ada dapat diatasi melalui pengembangan teknologi dan pemeliharaan sistem yang tepat. Diharapkan, penerapan sistem ini menjadi contoh bagi industri lain untuk mengadopsi teknologi modern dalam mendukung keselamatan kerja.