Detail Cantuman

Perkembangan teknologi kendaraan listrik masa depan mulai mengarah
kepada jenis kendaraan listrik otonom yang mengurangi keterlibatan manusia
dalam mengemudi. Untuk merealisasikannya diperlukan berbagai teknologi
canggih, salah satunya adalah sistem pendeteksian objek yang akan memberi
informasi tentang keberadaan objek didepan kendaraan. Oleh karena itu, konsep
model deep learning akan digunakan untuk mengembangkan sistem pendeteksian
objek berbasis kamera dalam skripsi ini. Model deep learning yang digunakan
untuk pendeteksian objek dalam skripsi ini adalah model arsitektur SSD ResNet 152
V1 yang dilatih untuk dapat mendeteksi 8 klasifikasi objek. Adapun objek tersebut
diperoleh dari gambar yang dihasilkan oleh kamera kamera Ricoh Theta S. Dataset
yang sudah di training oleh model arsitektur SSD ResNet 152 V1 diuji secara
online pada mini komputer jetson AGX orin selanjutnya diuji Offline pada PC.
Perhitungan dilakukan pada pengujian Offline dengan metode confusion matrix.
Bedasarkan hasil pengujian Offline dapat dilihat bahwa deteksi objek model
arsitektur SSD ResNet 152 V1 dapat dilatih untuk medeteksi objek dengan
peformasi yang meningkat seiring peningkatan jumlah dataset gambar dari 2.000
sampai 22.000. Nilai f1-score rata-rata meningkat dari 26,1% menjadi 37,5% ketika
model yang sama dilatih dengan dataset 22.000. Tingkat kemampuan prediksi
setiap objek sangat bergantung pada berapa banyak objek yang dilatihkan pada
model