Demo AI yang berhasil mendeteksi objek belum membuktikan kesiapan sistem untuk bekerja di lapangan. Bagi perusahaan dan instansi pemerintah, uji lapangan AI onboard harus menunjukkan keandalan operasional, termasuk saat pencahayaan berubah atau objek sulit dibedakan.
Anda membutuhkan bukti bahwa hasil deteksi membantu pekerjaan tanpa menambah risiko dan beban verifikasi. Keberhasilan penerbangan saja belum menjawab kebutuhan tersebut.
Mulailah dengan memisahkan fungsi yang diuji, lalu susun pengujian yang dapat diulang dan diaudit.
Tentukan Fungsi AI Onboard yang Perlu Dibuktikan
Istilah AI onboard mengacu pada pemrosesan kecerdasan buatan di perangkat yang dibawa pesawat. Namun, satu solusi drone dapat melibatkan pemrosesan di pesawat, pengendali, komputer lapangan, dan layanan cloud.
Karena itu, pastikan lokasi pemrosesan setiap fungsi sebelum menentukan metode evaluasinya. Pemisahan ini penting ketika tim menguji ketergantungan jaringan atau keterlambatan respons.
Bedakan pengenalan objek dari penginderaan rintangan
DJI menyebut smart detection dan pengukuran menggunakan laser rangefinder pada fitur DJI Matrice 4 Series. Keduanya mempunyai tujuan berbeda dari sistem penginderaan rintangan.
Pengenalan objek menghasilkan informasi tentang sasaran yang terlihat. Sementara itu, penginderaan rintangan membantu pesawat memahami hambatan di lingkungan terbang.
Evaluasi masing-masing fungsi secara terpisah. Deteksi yang benar tidak membuktikan kemampuan menghindari tabrakan. Sebaliknya, penerbangan yang aman belum membuktikan ketepatan klasifikasi objek. Operator tetap harus mengawasi penerbangan dan lingkungan sekitar.
Pisahkan fitur bawaan dan model khusus
DJI Enterprise Drone Onboard AI Challenge 2026 menekankan validasi solusi AI untuk kebutuhan industri. Pengembangan model khusus membutuhkan pemeriksaan yang berbeda dari pengujian fitur bawaan.
Dokumentasikan asal model, versi, kelas objek, dan metode pemasangannya. Jika solusi melibatkan Manifold 3, verifikasi dukungan platform, antarmuka PSDK, dan akses data yang diperlukan.
Kemampuan komputasi tambahan tidak otomatis menjamin kualitas algoritma. Tim tetap perlu menguji perilaku solusi pada konfigurasi perangkat yang benar-benar akan digunakan.
Tetapkan Tujuan Uji Lapangan AI Onboard
Tujuan pengujian harus mengikuti keputusan operasional. Untuk inspeksi, tim mungkin membutuhkan penandaan kandidat temuan. Dalam pencarian dan penyelamatan, prioritasnya dapat berupa pengurangan objek yang terlewat.
Jangan menggabungkan semua kebutuhan tersebut menjadi satu skor tanpa menjelaskan konsekuensi kesalahannya.
Pilih tugas dan konfigurasi yang tepat
DJI membedakan Matrice 4E untuk pekerjaan geospasial dan Matrice 4T sebagai varian berkemampuan termal dalam pengenalan resmi Matrice 4 Series. Pilih perangkat berdasarkan data dan pekerjaan yang dibutuhkan.
Selanjutnya, tulis tugas secara konkret: mendeteksi, menghitung, menandai, atau membantu pemeriksaan. Tetapkan pula siapa yang memverifikasi keluaran dan tindakan berikutnya.
Pada pemetaan, sesuaikan rencana akuisisi dengan kebutuhan proyek. Panduan akuisisi foto udara membantu menyiapkan parameter penerbangan sebelum evaluasi dimulai.
Sepakati keputusan lulus sebelum pengujian
Pemilik proyek, operator, dan penanggung jawab keselamatan perlu menyepakati kriteria penerimaan terlebih dahulu. Kriterianya harus mencakup mutu keluaran serta kesiapan alur kerja.
Tentukan kesalahan yang masih dapat ditoleransi dan kesalahan yang memerlukan penghentian. Dokumentasikan juga kondisi yang belum boleh masuk operasi rutin.
Dengan begitu, tim tidak mengubah standar setelah melihat hasil yang menguntungkan. Keputusan pembelian atau implementasi tetap mengikuti kebutuhan awal.
Bangun Data Pembanding yang Bisa Diaudit
Hasil AI membutuhkan pembanding yang lebih kuat daripada kesan operator. Tanpa acuan yang jelas, dua evaluator bisa memberi penilaian berbeda terhadap rekaman yang sama.
Buat ground truth yang konsisten
Ground truth adalah acuan tentang objek atau kondisi yang benar-benar ada. Susun acuan melalui pemeriksaan lapangan, anotasi rekaman, atau data pengukuran yang sesuai.
Definisikan batas satu objek dan cara menangani objek yang tertutup sebagian. Selain itu, tandai kasus yang tidak dapat dipastikan, alih-alih memaksanya masuk kategori benar atau salah.
Untuk tugas berisiko tinggi, gunakan pemeriksa kedua dan selesaikan perbedaan penilaian sebelum menghitung hasil. Simpan alasan perubahan anotasi agar tim lain dapat menelusuri keputusan tersebut.
Bandingkan dengan alur kerja yang berlaku
Ukur waktu dan mutu pekerjaan dengan prosedur yang saat ini digunakan. Perbandingan ini menunjukkan apakah AI mempercepat pekerjaan setelah verifikasi manusia ikut dihitung.
Untuk evaluasi koordinat, pisahkan ketepatan posisi dari ketepatan pengenalan. DJI D-RTK 3 Multifunctional Station dapat masuk rancangan pengukuran sesuai konfigurasi yang didukung. Namun, akurasi posisi tidak membuktikan akurasi AI.
Simpan identitas misi, waktu, lokasi, versi firmware, versi model, dan pengaturan kamera. Catatan tersebut membantu tim membedakan perubahan algoritma dari perubahan kondisi pengambilan data.
Susun Skenario yang Mewakili Kondisi Indonesia
Pengujian di area terbuka dengan pencahayaan baik berguna sebagai titik awal. Namun, keputusan implementasi membutuhkan kondisi yang mendekati lokasi kerja sebenarnya.
Di perkebunan, perhatikan vegetasi rapat, bayangan tajuk, dan objek yang tertutup sebagian. Pada proyek konstruksi, evaluasi latar yang ramai serta perubahan posisi alat kerja.
Untuk inspeksi fasilitas, pantulan permukaan dan sudut pandang dapat mengubah tampilan sasaran. Sementara itu, latihan pencarian perlu mempertimbangkan variasi pakaian dan kontras objek terhadap lingkungan.
Bangun matriks pengujian berdasarkan variasi tersebut. Mulailah dengan mengubah satu faktor, misalnya sudut kamera, sambil mempertahankan faktor lain. Setelah pengaruhnya terlihat, lanjutkan dengan kombinasi kondisi yang lazim muncul bersama.
Pisahkan kasus normal, kasus sulit, dan kondisi di luar cakupan. Kategori terakhir penting untuk menunjukkan kapan operator perlu berhenti mengandalkan keluaran AI.
Pengujian ketergantungan jaringan juga perlu membedakan pemrosesan onboard, pengiriman video, dan layanan cloud. Kendalikan hanya koneksi data yang memang direncanakan untuk diuji. Jangan sengaja memutus tautan kendali pesawat.
Hujan, kabut, debu, dan angin dapat membatasi operasi. Sesuaikan seluruh skenario dengan batas perangkat dan prosedur keselamatan, bukan dengan keinginan mengejar kondisi paling ekstrem.
Ukur Mutu Deteksi dan Kecepatan Respons
Metrik harus menjawab kebutuhan tugas. Untuk pengenalan objek, jumlah deteksi yang benar saja tidak cukup karena objek terlewat dan alarm keliru memiliki dampak berbeda.
Gunakan indikator berikut sebagai dasar pencatatan, tanpa menganggapnya sebagai tolok ukur resmi DJI.
| Indikator | Pengukuran | Kegunaan |
|---|---|---|
| Precision | Deteksi benar dibanding seluruh deteksi | Menilai beban alarm keliru |
| Recall | Objek terdeteksi dibanding seluruh objek acuan | Menilai objek yang terlewat |
| Macro F1-Score | Rata-rata F1 untuk setiap kelas | Melengkapi precision dan recall dalam evaluasi multi-kelas |
| Latensi | Waktu antara kejadian acuan dan keluaran | Menilai kecepatan informasi |
| Intervensi operator | Koreksi atau pengambilalihan per misi | Menilai kebutuhan pengawasan |
| Waktu penyelesaian | Durasi sampai hasil terverifikasi | Menilai efisiensi pekerjaan |
Gunakan metrik tambahan ini hanya jika tugas dan label kelas mendukung evaluasi multi-kelas. Metrik ini bukan tolok ukur resmi DJI atau syarat universal untuk semua uji deteksi.
Pilih prioritas sesuai konsekuensi kesalahan. Tugas pencarian dapat memberi perhatian lebih besar pada objek terlewat. Sebaliknya, alarm keliru yang berulang dapat membebani tim inspeksi.
Untuk latensi, pisahkan waktu inferensi dari keterlambatan tampilan atau pengiriman. Definisikan titik awal dan akhir pengukuran secara konsisten.
Deteksi cepat belum tentu mempercepat pekerjaan jika operator harus memeriksa terlalu banyak alarm keliru.
Jangan menghitung setiap bingkai video sebagai keberhasilan operasional terpisah ketika semuanya menunjukkan objek yang sama. Gunakan satuan objek, kejadian, atau misi sesuai tugas.
Laporkan juga jumlah sampel dan kondisi pengujian. Skor gabungan dapat menutupi kelemahan pada kategori tertentu. Karena itu, tampilkan hasil per kelas objek atau kelompok kondisi bila tersedia.
Jalankan Pengujian dengan Kendali Keselamatan
Uji lapangan AI onboard perlu menguji keseluruhan proses, termasuk respons manusia saat sistem keliru. Sebelum penerbangan, pilot, pengamat, evaluator, dan penanggung jawab data harus memahami peran masing-masing. Literasi AI mencakup pemahaman atas keterbatasan keluaran sistem dan kewajiban pengawasan manusia.
Periksa batas operasi dan prosedur darurat melalui manual resmi DJI Matrice 4 Series. Pastikan juga izin lokasi, ketentuan ruang udara, dan persyaratan operasi yang berlaku melalui pihak berwenang.
Gunakan urutan berikut agar hasil dapat dibandingkan:
- Catat konfigurasi pesawat, kamera, model, dan parameter misi sebelum penerbangan.
- Jalankan skenario dasar dengan acuan yang telah diperiksa.
- Ulangi skenario sambil mengubah faktor pengujian sesuai rencana.
- Rekam keluaran AI, kondisi lapangan, dan koreksi operator dengan penanda waktu.
- Tinjau penyimpangan sebelum beralih ke skenario yang lebih sulit.
Ulangi pengujian pada kesempatan berbeda untuk memeriksa konsistensi. Jika firmware atau model berubah, identifikasi bagian pengujian yang perlu diulang.
Tetapkan batas penghentian berdasarkan kondisi keselamatan. Orang yang memasuki area uji, perubahan cuaca, masalah baterai, atau perilaku pesawat yang menyimpang dari rencana memerlukan tindakan operator.
Hindari menguji penghindaran rintangan dengan lintasan yang sengaja mendekati tabrakan. Keselamatan pesawat dan orang di sekitar tetap lebih penting daripada pengumpulan data.
Catat setiap penghentian sebagai bagian dari hasil evaluasi. Menghapus misi yang gagal dapat memberikan gambaran keandalan yang terlalu optimistis.
Evaluasi Alur Data, Keamanan, dan Biaya
Solusi yang mendeteksi objek dengan baik belum tentu siap digunakan organisasi. Hasilnya harus sampai kepada pihak yang tepat, dalam format yang berguna dan dengan pengamanan yang sesuai.
Periksa perjalanan data sampai keputusan
DJI FlightHub 2 adalah platform berbasis cloud untuk manajemen operasi drone. Jika digunakan, evaluasi kebutuhan jaringan, akses pengguna, dan hubungan data misi dengan keputusan lapangan.
Jangan menyamakan fitur AI di cloud dengan inferensi onboard. Keduanya dapat saling mendukung, tetapi ketergantungan teknisnya berbeda. Uji setiap bagian sesuai lokasi pemrosesan dan konfigurasi yang didukung.
Untuk survei, alur pemrosesan data di DJI Terra dapat membantu menilai hasil setelah penerbangan. Namun, keberhasilan menghasilkan peta bukan ukuran tunggal kualitas AI.
Dokumentasikan lokasi penyimpanan, masa retensi, hak akses, serta perlindungan rekaman orang atau fasilitas sensitif untuk menjaga keamanan data.
Hitung beban implementasi secara menyeluruh
Perhitungan biaya perlu memasukkan pesawat, perangkat komputasi, lisensi, dan integrasi. Tambahkan pelatihan, anotasi data, pemeriksaan hasil, pemeliharaan, serta pembaruan model.
Ukur waktu verifikasi pada proses yang sama dengan pengukuran produktivitas. Penghematan waktu terbang bisa hilang apabila pekerjaan pemeriksaan bertambah.
Dalam evaluasi vendor, minta penyedia menjelaskan dukungan teknis, tanggung jawab saat terjadi kegagalan, serta prosedur pemulihan konfigurasi setelah pembaruan bermasalah.
Kejelasan tersebut membantu organisasi menilai biaya operasional setelah masa demonstrasi berakhir.
Putuskan Kelayakan Berdasarkan Bukti Lapangan
Laporan akhir perlu menunjukkan konfigurasi yang diuji, cakupan skenario, dan jumlah pengulangan. Sertakan kegagalan serta batas penggunaan yang terungkap selama evaluasi.
Bedakan fakta pengujian dari spesifikasi produsen. Spesifikasi menjelaskan kemampuan dalam kondisi yang ditetapkan pabrikan. Hasil lapangan menunjukkan perilaku konfigurasi tertentu di lokasi tertentu.
Tim dapat menyetujui implementasi terbatas ketika bukti hanya mendukung sebagian kondisi. Misalnya, persetujuan operasi siang tidak otomatis mencakup malam atau seluruh variasi latar.
Jika hasil belum memenuhi kebutuhan, tentukan penyebabnya sebelum membeli perangkat tambahan. Masalah dapat berasal dari data pelatihan, pengaturan kamera, prosedur operator, atau integrasi, bukan selalu dari perangkat keras.
Pada penyerahan hasil, sertakan prosedur verifikasi dan penanganan keluaran yang meragukan. Pengguna akhir perlu mengetahui kapan hasil boleh digunakan dan kapan pemeriksaan tambahan diperlukan.
Setelah implementasi, pantau perubahan kondisi kerja dan pola kesalahan. Versi firmware, model, atau alur pemrosesan yang baru dapat memerlukan pengujian ulang.
Keputusan yang dapat diaudit lebih berguna daripada klaim bahwa sistem berhasil dalam semua kondisi.
Pertanyaan yang Sering Diajukan
Apa yang perlu dibuktikan dalam uji lapangan AI onboard?
Buktikan bahwa keluaran AI cukup andal untuk membantu tugas operasional dalam kondisi yang direncanakan. Evaluasi juga latensi, kebutuhan verifikasi operator, dan batas penggunaan sistem.
Bagaimana cara menilai ketepatan deteksi AI?
Bandingkan hasil deteksi dengan ground truth yang telah diperiksa dan gunakan metrik yang sesuai, seperti precision dan recall. Laporkan hasil per kelas objek atau kondisi agar kelemahan tertentu tidak tertutup oleh skor gabungan.
Apakah deteksi objek membuktikan drone dapat menghindari rintangan?
Tidak. Pengenalan objek dan penginderaan rintangan adalah fungsi berbeda yang perlu dievaluasi secara terpisah.
Kapan pengujian perlu diulang?
Ulangi pengujian jika firmware, model, konfigurasi, atau kondisi operasi berubah secara material. Tentukan bagian yang perlu diuji kembali berdasarkan dampak perubahan terhadap hasil dan keselamatan.
Kesimpulan: Buktikan Kesiapan sebelum Memperluas Operasi
Demo yang meyakinkan perlu dilanjutkan dengan pengujian yang dapat ditelusuri. Evaluasi AI onboard harus menghubungkan mutu deteksi dengan keputusan operasional, sambil menjaga keselamatan dan pengawasan manusia.
Data acuan, pengulangan, serta batas penggunaan membantu organisasi menilai kelayakan secara realistis. Hasil tersebut menjadi dasar implementasi yang terukur.
Konsultasikan kebutuhan Anda dengan DJI Ratu Enterprise untuk membahas produk, solusi, pelatihan, dan implementasi DJI Enterprise. Mulailah dari tugas yang perlu dibuktikan agar pilihan perangkat dan rencana pengujiannya sesuai kebutuhan lapangan.