Macro Micro News Global Pulse. Local Truth.

Keselamatan Gardu Induksi dengan AI: Akurasi Deteksi Bahaya 95,87% Menggunakan Arsitektur Dual-LoRA

01 November 2026 · 2 min read

We compile, generate and translate using Artificial Intelligence from the below given source. Macro Micro News is responsible for its editorial publication.

Article image by ANOOF C
Image by ANOOF C

Modernisasi infrastruktur listrik berjalan cepat. Kecerdasan buatan menjadi kunci utama dalam transformasi ini. Model bahasa besar khusus baru telah muncul untuk mendiagnosis bahaya di gardu induksi dengan presisi luar biasa. Sistem ini menggunakan arsitektur dual-branch dan dual-LoRA yang dibangun di atas fondasi Qwen2.5-VL-7B-Instruct. Hal ini menandai pergeseran dari alat AI umum ke solusi industri yang sangat terspesialisasi untuk lingkungan kompleks.

Gardu induksi memiliki tantangan unik yang sering sulit ditangani model standar. Sistem harus mampu mengenali bahaya visual sekaligus menyusun teks diagnostik kompleks yang terkait dengan gambar. Metode tradisional sering melewatkan nuansa protokol keselamatan industri. Kerangka kerja baru mengatasi celah ini dengan membekukan backbone pra-latih dan merger patch asli. Pendekatan ini memungkinkan adaptasi presisi melalui dua jalur output adapter terarsip. Hasilnya, model fokus sepenuhnya pada pola pelanggaran keselamatan spesifik tanpa kehilangan pemahaman visual dasarnya.

Untuk memvalidasi pendekatan ini, peneliti menyusun dataset komprehensif berisi 1.173 catatan dalam lima kategori bahaya berbeda. Evaluasi berfokus pada 121 pengenal gambar dengan label referensi. Parser deterministik digunakan untuk menetapkan kategori berdasarkan bidang tipe risiko. Metodologi ketat ini memungkinkan perhitungan matriks kebingungan lengkap dan metrik per kelas, termasuk presisi, recall, dan skor F1. Hasilnya sangat mencengangkan. Run A mengklasifikasikan 115 gambar dengan benar, mencapai tingkat akurasi 95,04% dengan skor Macro-F1 sebesar 0,9282. Run B performs lebih baik lagi, mengidentifikasi 116 gambar dengan benar untuk akurasi 95,87% dan Macro-F1 sebesar 0,9358.

Analisis statistik melalui uji McNemar berpasangan eksak menunjukkan tidak ada perbedaan signifikan antara kedua run tersebut. Nilai p adalah 1,000. Ini menunjukkan konsistensi kinerja model yang kuat. Menariknya, sistem menunjukkan recall tinggi untuk objek tergantung. Sistem berhasil mengidentifikasi 7 dari 10 kasus dalam kedua run tersebut. Selain akurasi numerik, studi ini menekankan reproduktibilitas melalui audit tumpang tindih teks dan bidang struktural. Langkah-langkah ini memastikan respons diagnostik tidak hanya akurat tetapi juga secara struktural solid dan dapat diandalkan untuk penerapan di lapangan.

Meskipun evaluasi saat ini terbatas pada kohort internal, yang menyoroti risiko overfitting potensial dan kebutuhan pengujian lebih lanjut di situs yang belum pernah dilihat, implikasi bagi industri tenaga listrik sangat mendalam. Dengan membedakan spesifikasi bilateral dan alur kerja inspeksi yang diusulkan dari verifikasi titik pemeriksaan semata, penelitian ini meletakkan dasar untuk inspeksi keselamatan yang lebih otonom dan cerdas. Saat operator jaringan menghadapi tekanan meningkat untuk menjaga keandalan sambil mengurangi paparan manusia terhadap lingkungan berbahaya, solusi AI spesifik domain ini menawarkan jalan yang menjanjikan menuju infrastruktur energi yang lebih aman dan pintar.