Membaca Meteran Utilitas Lama Pakai Kamera: OCR ESP32-CAM

Membaca Meteran Utilitas Lama Pakai Kamera: OCR ESP32-CAM

Meteran tetap di tempatnya. Kamera kecil dipasang menghadap tiap dial, baca angkanya sendiri, kirim satu nilai ke server. Itu solusi retrofit metering tenant di sebuah gedung komersial besar yang saya kerjakan, dan hasilnya lebih murah dari mengganti satu pun meteran.

Pembacaan meteran otomatis biasanya dimulai dari proposal ganti meteran — dan di kebanyakan gedung existing, proposal itu cepat mati. Meterannya alat ukur tersertifikasi yang tidak boleh disentuh, atau milik perusahaan utilitas, atau pekerjaan pipa untuk ratusan tenant lebih mahal dari masalah yang mau diselesaikan.

Kenapa retrofit menang lawan penggantian

Meteran air analog DN15 yang mengumpul di shaft utilitas adalah setup standar mal dan gedung perkantoran: satu meteran per tenant, dibaca sebulan sekali oleh teknisi bermodal senter dan clipboard. Menggantinya dengan meteran pulse-output atau smart meter berarti memotong pipa, kalibrasi ulang, koordinasi dengan perusahaan utilitas, dan mematikan air per riser — dikalikan jumlah tenant seisi gedung.

Retrofit kamera tidak menyentuh semua itu. Meteran tetap tersegel, tetap jadi alat ukur billing yang sah. Modul kamera kecil dipasang di atas dial, memotretnya sesuai jadwal, membaca angkanya on-device, lalu mengirim satu angka ke atas.

Kalau device-nya mati, teknisi membaca meteran itu dengan cara lama sampai unitnya diganti. Mode gagalnya "balik ke manual," bukan "bulan ini tidak bisa billing."

Hardware-nya sengaja membosankan

Board sekelas ESP32-CAM dengan sensor OV2640, LED di belakang diffuser, dan bracket 3D print — itu saja. Pengenalan angka berjalan on-device dengan firmware open-source AI-on-the-edge-device: CNN kecil yang membaca roller digit sekaligus jarum dial analog, jadi resolusinya sampai liter, bukan cuma meter kubik bulat. Hanya angka hasilnya yang keluar dari device, lewat WiFi dan MQTT.

Dua detail menentukan device ini jalan atau tidak. Lensa bawaan harus di-refocus untuk jarak dekat, sekitar 10 cm dari dial. Power supply harus 5 V yang stabil dengan kabel pendek.

ESP32-CAM yang kekurangan daya akan brownout jadi reboot loop begitu kamera dan radio WiFi bangun bersamaan. Gejalanya persis seperti bug firmware, sampai Anda mengukur rail-nya.

Mounting dan pencahayaan itu 80% akurasi

Model OCR justru bagian paling andal dari pipeline ini. Yang benar-benar menentukan akurasi adalah optiknya:

• Geometri tetap. Bracket harus menahan sumbu kamera di tengah dan tegak lurus ke dial, pada jarak yang repeatable. Tiap milimeter pergeseran menggeser region of interest yang dibaca model.
• Cahaya terkontrol. LED yang dipasang lurus menghadap dial membuat kaca meteran memantulkan glare balik ke lensa. Menaruh lampu sedikit miring di belakang diffuser mengubah hotspot yang tak terbaca jadi gambar rata dan konsisten.
• Lingkungan. Shaft penuh kondensasi dan debu. Enclosure harus menjaga jalur optik tetap bersih — kaca berembun muncul sebagai penurunan akurasi pelan-pelan, bukan kegagalan yang jelas.

Bereskan ini semua, dan urusan pengenalan angka praktis selesai. Salah di sini, dan tidak ada model yang bisa menyelamatkan deployment.

Confidence threshold dan fallback manusia

Pipeline billing tidak boleh menelan output OCR mentah begitu saja. Bayangkan satpam yang mengecek KTP di pintu masuk — kalau fotonya buram atau datanya janggal, ia tidak langsung meloloskan, tapi memanggil supervisor. Tiap pembacaan meteran melewati gerbang yang sama:

Pemeriksaan plausibility itu murah dan ampuh. Meteran air adalah counter monotonik, jadi pembacaan yang lebih rendah dari kemarin pasti salah. Lonjakan melebihi laju aliran yang mungkin secara fisik juga pasti salah.

Apa pun yang di bawah confidence threshold atau di luar plausibility masuk review queue, lengkap dengan fotonya. Manusia mengonfirmasi atau mengoreksi nilainya dalam hitungan detik. Queue inilah yang membuat sistem bisa dipercaya: billing tidak pernah menerima tebakan yang belum diverifikasi, dan angka review rate per meteran otomatis jadi metrik akurasi Anda.

Daya dan konektivitas

Kalau shaft punya listrik di dekatnya, sambungkan device-nya pakai kabel — itu menghapus satu kategori kunjungan maintenance sekaligus. Kalau tidak ada, baterai cukup, karena billing tidak butuh data real-time. Beberapa capture per hari dengan deep sleep di antaranya memberi umur baterai berbulan-bulan.

Sesuaikan jadwal capture dengan siklus billing, bukan dengan kemampuan maksimal hardware. WiFi plus MQTT menutup urusan transport; gedung komersial biasanya punya coverage di dekat shaft, atau bisa menambah satu access point per riser dengan murah.

Hitungan ekonominya

Satu titik kamera biayanya sebagian kecil dari penggantian meteran, begitu Anda menghitung upah pekerjaan pipa, downtime, dan koordinasi dengan utilitas. Karena meteran tersertifikasi tetap jadi alat ukur billing, tidak ada pertanyaan sertifikasi ulang yang harus dijawab.

Pertahankan sampel audit bulanan: teknisi membaca manual subset meteran yang dirotasi, lalu dibandingkan dengan angka sistem. Murah sebagai asuransi, dan menghasilkan angka akurasi yang membuat tim finance nyaman tanda tangan.

Angka yang dihasilkan kamera baru setengah jalan — masih harus diolah jadi invoice tenant. Pipeline itu, dari pembacaan mentah sampai meter kubik yang tertagih, dibahas di metering dan billing utilitas IoT, dan pola backend di bawahnya di panduan lengkap backend IoT.