Detail Cantuman

Pengembangan sistem pendeteksian dan pengenalan objek untuk kendaraan
listrik otonom saat ini sedang dilakukan oleh beberapa industri terkait di dunia.
Meski demikian, apapun jenis kendaraan listrik otonom yang akan dikembangkan,
pada dasarnya kendaraan tersebut akan sangat membutuhkan suatu sistem
pendeteksian dan pengenalan objek yang handal dan sesuai dengan kebutuhannya,
sehingga kendaraan tersebut dapat berjalan dengan baik dan aman. Oleh sebab itu,
pada skripsi ini akan dilakukan pengembangan sistem pendeteksian objek berbasis
kamera dengan memanfaatkan konsep model deep learning. Model deep learning
yang digunakan untuk pendeteksian objek dalam skripsi ini adalah model arsitektur
SSD ResNet 101 V1 yang dilatih untuk dapat mendeteksi 15 klasifikasi objek.
Adapun objek tersebut diperoleh dari gambar yang dihasilkan oleh kamera Ricoh
Theta S dalam format terdistorsi. Model terlatih selanjutnya diuji secara offline pada
PC dan secara online pada mini komputer Jetson AGX Orin. Berdasarkan hasil
pengujian dapat dilihat bahwa model arsitektur SSD ResNet 101 V1 dapat dilatih
untuk mendeteksi objek dengan performansi yang meningkat seiring dengan
peningkatan jumlah dataset gambar dari 2.000 hingga 22.000. Hal ini dibuktikan
dengan nilai F1-Score rata-rata yang meningkat dari 12,5 % pada saat model dilatih
dengan mengunakan dataset sebanyak 2.000 hingga mencapai 50 % pada saat
model yang sama dilatih dengan menggunakan dataset sebanyak 22.000. Tingkat
kemampuan prediksi tiap-tiap kelas objek sangat ditentukan oleh banyaknya objek
tersebut dilatihkan pada model.