Membuat denah struktur dari gambar denah arsitektur menggunakan model AI bukan hal mustahil, bahkan teknologi ini sudah ada, tapi mungkin belum terlalu populer. Pertama-tama, saya batasi dulu pokok bahasannya ya.. 🙂 Kita sebenarnya bisa membuatnya sendiri. 🙂 Tapi, tentu ada modal dan batasannya. Adapun batasannya antara lain:
Sementara modal yang diperlukan adalah : paham bahasa pemrograman 🤭, punya basic dan pengalaman melakukan analisis (perhitungan) dan desain struktur bangunan gedung.
Pembahasan kali ini mungkin agak rumit karena bakal pakai istilah-istilah yang mungkin agak asing di dunia konstruksi, karena memang ini adalah istilah-istilah teknologi informasi & komunikasi. Yuks.. gas!!
Di tahap ini, kita harus menyediakan dataset berupa denah arsitektur dan gambar strukturnya. Masing-masing gambar harus lengkap dengan anotasinya, baik berupa label, dimensi, simbol, dan lain-lain.
Dataset harus dikonversi terlebih dahulu semuanya ke format image. Kemudian gambar yang kualitas atau resolusinya kurang, diperbaiki dulu dan disamakan stylenya, misalnya semua dalam format grayscale (hitam-putih), kemudian dihilangkan noisenya, ditingkatkan kontrasnya, binarisasi (diubah ke bentuk biner).
Di sini kita bisa pakai algoritma deteksi obyek seperti YOLO atau faster R-CNN. Algoritma ini tugasnya mendeteksi elemen-elemen yang ada di gambar denah arsitektur tersebut, misalnya dinding, pintu, jendela, bahkan kadang di denah itu sudah ada kolom-kolomnya. Sementara elemen furniture juga bisa dideteksi di awal, walaupun setelah itu bisa diabaikan karena memang ngga diperlukan untuk gambar struktur.
Setelah obyej terdeteksi, dilakukan identifikasi jenis dan atribut dari elemen-elemen tersebut, misalnya hasil deteksi ada elemen tembok, atributnya misalnya panjangnya 4 meter, dll.
Untuk tahap ini, bisa menggunakan Convolutional Neural Networks (CNN) untuk mengenali obyek tersebut. Di tahap ini, AI mulai belajar dan berlatih menggunakan dataset yang telah dianotasi. Ada beberapa framework di Python yang bisa dimanfaatkan, misalnya TensorFlow atau PyTorch. Teknik augmentasi bisa digunakan di sini untuk meningkatkan variasi data pelatihan. Misalnya, untuk obyek dinding, gambar arsitektur biasanya menampilkannya dalam banyak variasi, ada yang berupa garis ganda (tanpa arsir), ada yang pakai arsir (hatch) brickwall dan sejenisnya, ada yang pakai arsir solid. Semua variasi itu harus bisa dikenali dengan baik oleh model AI.
Di tahap ini, model AI akan mengekstrak fitur-fitur atau elemen-elemen dari denah arsitektur yang relevan untuk membentuk gambar struktur. Misalnya AI akan mengambil elemen dinding, mencatat koordinat ujung-ujungnya, menghitung panjangnya, tebalnya, dll. Dari elemen ini dibuatlah semacam algoritma untuk membuat denah sloof dan pondasi. Misalnya lebar sloof adalah 20 sampai 25 cm dengan perataan tengah untuk posisi dinding tengah dan perataan samping untuk posisi dinding tepi.
Contoh library yang bisa dipakai adalah Matplotlib atau CAD API seperti FreeCAD untuk membuat gambarnya secara presisi.
Ini adalah tahap yang sangat penting. Gambar yang dihasilkan masih tetap harus diverifikasi. Ada 2 tahap verifikasi, bisa menggunakan mesin atau tool terpisah untuk melihat akurasinya, misalnya Precision, Recall, atau F1-Score. Tahap verifikasi berikutnya adalah pengujian manual oleh ahli struktur atau orang yang berpengalaman untuk memastikan bahwa gambar struktur yang dihasilnya benar-benar akurat, informatif, dan sesuai dengan standar konstruksi yang ada.
Apa yang harus dilakukan kalo model AI gagal di tahap ini? Misalnya hasilnya ngga presisi, gambarnya ngga akurat, dll. Solusinya adalah perbaiki datasetnya, perbanyak datasetnya, review lagi parameter-parameter di awal. Dataset itu adalah semacam “textbook”-nya AI buat belajar. Kalo dia masih belum ngerti dengan satu textbook, tambah textbooknya, kasih textbook yang lebih bagus.
Setelah Model AI dirasa siap, walaupun belum 100% sempurna, model tersebut bisa ditampilkan ke publik untuk mendapatkan input lebih banyak lagi. Interface ini harus menarik, user-friendly, dan tentu saja performancenya harus bagus. Makanya tool ini dibedakan antara backend dan frontend. Backend adalah semacam mesinnya, sementara frontend adalah bodi luarnya. Framework seperti Flask atau Django bisa dimanfaatkan untuk membuat backend, sementara frontend-nya pakai React atau Angular.
Nah, seperti itulah kira-kira konsep awal bagaimana sebuah model AI bisa membuat gambar struktur hanya dengan input gambar denah arsitektur. Sebenarnya masih banyak yang perlu didetailkan, tapi untuk konsep awal, kira-kira seperti itulah alurnya.
…
Jadi.. apakah nantinya AI bisa membantu seorang bocil buat bangun rumah? 🤭
Sekali lagi, AI adalah alat bantu, yang bertanggung jawab penuh tetap usernya.
Secanggih apapun AI-nya, keputusan tetap ada di user. AI hanya membantu dengan data dan kecepatan analisisnya.
[semoga.bermanfaat]
sumber: linkedin
Kali ini kita coba iseng bikin kuis dengan tema beton bertulang. Kuis beton bertulang ini…
Buat pengguna software buatan CSI (Computer & Strcuture Inc) khususnya SAP2000, kadang agak "kecewa" sewaktu…
Tips Karir Agar Cepat Dapat Kerja dan Terapkan Ilmu! Halo, fresh graduates teknik sipil! 🎓…
SAP2000 versi 25 sebenarnya sudah rilis sejak 2023 yang lalu, dan hingga saat ini sudah…
Calcpad adalah salah satu aplikasi online yang berisi spreadsheet atau catatan kalkulasi engineering untuk beberapa…
Apa GS AFES itu? GS AFES adalah salah satu software analisis dan desain pondasi yang…