Pembuatan Sistem Aplikasi Offline-First Edge Computing untuk Pemantauan Area Cakupan Shale Shaker pada Pertambangan Geothermal Berbasis OpenCV dan PySide6

Raisal Ahmad, Ir. Nur Rohman Rosyid, S.T., M.T., D.Eng

2025 | Tugas Akhir | D4 TEKNOLOGI JARINGAN

EyeLog adalah sistem monitoring visual untuk shale shaker berbasis computer vision yang dijalankan di node edge dengan prinsip offline-first. Sistem ini mampu menganalisis video stream dari multi-camera secara real-time (FPS rata-rata ~25 per kamera) di perangkat edge, sehingga pemantauan berlangsung kontinu tanpa bergantung internet. Pengujian menunjukkan throughput pemrosesan stabil dengan frame loss rate ~ 0.005%, dengan utilisasi CPU median ~70%. Aplikasi juga mencapai akurasi deteksi yang tinggi (F1-score agregat ~85?lam pengenalan cakupan area material), dibantu fitur penyaringan (filtering) yang meningkatkan ketepatan identifikasi. Aplikasi ini dilengkapi antarmuka pengguna interaktif dan fitur pencatatan otomatis, sehingga data hasil pemantauan tercatat otomatis sebagai time-series harian (CSV) di lokal, mendukung evaluasi historis. Solusi edge computing ini meningkatkan keselamatan dan efisiensi operasi pengeboran dengan memungkinkan deteksi dini potensi masalah seperti penumpukan serpihan berlebih, luapan lumpur secara objektif, real-time, dan berkesinambungan.

EyeLog is a visual monitoring system for shale shakers based on computer vision, deployed on an edge node with an offline-first design. It analyzes multi-camera video streams in real time (average ~25 FPS per camera) on the edge device, enabling continuous monitoring without relying on the internet. Experiments show stable processing throughput with a frame loss rate below 1%, and a median CPU utilization of ~70%. The application also achieves high detection accuracy (aggregate F1-score ~85% for recognizing material coverage), aided by filtering that improves identification precision. It includes an interactive user interface and automatic recording, so monitoring results are stored locally as daily time-series (CSV) to support historical analysis. This edge computing solution enhances safety and efficiency in drilling operations by enabling early detection of potential issues, such as excessive cuttings buildup and mud overflow with objectively, in real time, and continuously.

Kata Kunci : IoT, Edge Computing, RTSP, OpenCV, Offline-first, Time-series Logging