Detail Cantuman

Pengembangan teknologi dalam bidang transportasi masa kini menghadirkan
kecanggihan, peningkatan kenyamanan, dan inovasi yang mengedepankan
keamanan. Kendaraan listrik otonom menjadi salah satu contoh inovasi ini,
memudahkan pengendara saat berkendara. Sistem kendaraan listrik otonom
menggunakan berbagai sensor seperti LiDAR, radar, GPS, dan kamera untuk
mengumpulkan informasi tentang lingkungan sekitarnya. Selain kamera, sistem
kendaraan listrik otonom menggunakan kombinasi jaringan syaraf konvolusional
(CNN) dan teknik pengolahan citra untuk memproses sinyal masukan yang
berbentuk gambar. Pada penelitian ini, menggunakan kamera termal FLIR ADK
dan menerapkan metode deep learning dengan menggunakan arsitektur model UNet dan MobileNet U-Net untuk segmentasi semantik pada gambar termal. Kedua
model tersebut dilatih dengan 2.700 gambar dan 120 epoch. Proses pengujian kedua
model dilakukan secara offline dengan menggunakan 301 gambar. Model
MobileNet U-Net memperoleh nilai rata-rata accuracy sebesar 97.30%, precision
sebesar 87.17%, recall sebesar 88.67%, dan f1-score sebesar 87.52%. Sedangkan
model U-Net memperoleh nilai rata-rata accuracy sebesar 93.07%, precision
sebesar 73.84%, recall sebesar 73.53%, dan f1-score sebesar 71.62%. Hasilnya
menunjukkan bahwa model MobileNet U-Net memiliki performa yang lebih baik
dibandingkan model U-Net.