Deteksi Objek Menggunakan Metode Single Shot Multibox Detector  Pada Alat Bantu Tongkat Tunanetra Berbasis Kamera

Fuady, Samratul; Nehru, Nehru; Anggraeni, Gina

doi:10.33087/jepca.v3i2.38

Cited by 7 publications

(5 citation statements)

References 2 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Deteksi dijelaskan oleh kotak pembatas atau bounding box dan untuk setiap bounding box model juga memprediksi kelas [12]. Cara kerja pada algoritma SSD didasarkan pada feed-forward convolutional network, yaitu pada suatu objek akan ditentukan bounding box yang berukuran tetap dan pada area bounding box tersebut akan menampilkan nilai skor masing-masing pada setiap kelas objek [13]. Bagian lapisan fitur pada convolutional ditambahkan ke ujung base network oleh SSD sebanyak enam layer konvolusional ekstra yang berfungsi memprediksi dengan aspek rasio berbeda [14].…”

Section: Pendahuluanunclassified

Rancang Bangun Sistem Pendeteksi Aneka Ragam Buah Menggunakan MobileNetv2

Prima

2023

jsisfotek

View full text Add to dashboard Cite

Teknologi saat ini berkembang dengan sangat cepat, tidak terkecuali kan dalam bidang Artificial Intelligence (AI) atau yang lebih kita kenal dengan sebutan kecerdasan bawaan. Salat satu metode yang digunakan dalam pembuatan AI ini adalah Deep Learning. Deep learning menggunakan pendekatan dalam pembelajaran mesin menggunakan jaringan saraf tiruan dalam mempelajari pola-pola yang kompleks, keunggulan dari deep learning adalah kemampuannya dalam mempelajari dan memproses data yang sangat besar dan kompleks. Dalam penelitian kali ini algoritma deep learning yang akan digunakan adalah Convolutional Neural Network (CNN) yang mana telah menjadi fondasi untuk berbagai aplikasi berbasis AI yang sukses. CNN sendiri saat ini memiliki beberapa arsitektur, pada penelitian kali ini arsitektur yang digunakan adalah SSD MobileNetv2. Pada sistem kali ini akan menggunakan library untuk melatih model nya menggunakan TensorFlow, sistem ini dibangun guna membantu para penyandang tunanetra yang memiliki keterbatasan kemampuan dalam penglihatannya untuk mampu mengenali aneka ragam buah-buahan.

show abstract

Section: Pendahuluanunclassified

Rancang Bangun Sistem Pendeteksi Aneka Ragam Buah Menggunakan MobileNetv2

Prima

2023

jsisfotek

View full text Add to dashboard Cite

show abstract

“…The use of Neural Networks has been carried out in various fields such as for writing detection [2], batik classification [3], facial recognition [5], images [6], single short method is used on assistive devices for the blind [4]. Research on COVID detection has also been carried out [7].…”

Section: Introductionmentioning

confidence: 99%

Design and Build a Smart Door Lock Using the Deep Learning Convolutional Neural Network Method

2021

View full text Add to dashboard Cite

The world is currently being hit by the COVID-19 virus. In this New Normal era, a rule is enforced that everyone must wear a mask wherever we are. Checking masks and body temperature is still done manually or by human observation, thus allowing for inaccuracies in observing and checking temperature. The problem occurred at Trunojoyo Madura University which still uses a manual mask and body temperature checking system. So, for accuracy and to reduce the risk of contracting officers. A tool was created to detect the mask and temperature automatically. In this study using a camera, temperature sensor MLX90614, and proximity sensor using Raspberry Pi. This research uses a machine learning system with the Deep Learning Convolutional Neural Network (CNN) Single Shot Detector (SSD) method. From this study, the results of mask detection obtained a success percentage of 93.4% and an error percentage of 6.6% from the entire test and obtained an average detection time of 2.63 seconds. And the average time of the whole system is 3.8 seconds. In this study, there was a delay during detection due to the heavy computational load on the system, so for further research, use a mini pc that has better performance.

show abstract

“…Menurut perkiraan data Kementerian Kesehatan RI, jumlah penyandang tunanetra di Indonesia adalah 1,5% dari total penduduk Indonesia atau sekitar 4 juta jiwa dari 270 juta jiwa yang terdiri dari kebutaan total dan gangguan penglihatan yang lebih ringan [2]. Dalam kehidupan sehari-hari penyandang tunanetra mengalami kesulitan dalam beraktivitas karena keterbatasan sensorik yang dimiliki sehingga membutuhkan alat bantu seperti tongkat untuk melakukan pendeteksian dan orientasi mobilitas saat berjalan [3]. Kebutuhan para penyandang tunanetra kepada tongkat menjadikan tongkat sebagai alat utama untuk melakukan aktivitas secara normal.…”

unclassified

“…Pada penelitian sebelumnya telah dilakukan menggunakan metode Single Shot MultiBox Detector (SSD) yang dilengkapi dengan buzzer dan vibrator [3] dan algoritma MobileNet untuk menghasilkan sistem yang mampu mendeteksi objek buku, gelas, botol, telepon seluler, dan orang dengan rata-rata keberhasilan pengujian sebesar 40% [6]. Penelitian lainnya terkait algoritma YOLO telah dilakukan dengan menerapkan algoritma tersebut sebagai penentu pindah tanaman cabai melalui notifikasi bot telegram [4], sebagai pendeteksi adanya konten pornografi pada video [5], sebagai algoritma untuk mengenali objek pada citra makanan cepat saji dengan mAP sebesar 100% dan mampu mengenali objek dengan akurasi 63% hingga 100% [7].…”

unclassified

Pengenalan Objek Menggunakan YOLO pada Alat Bantu Tunanetra Berbasis Raspberry Pi

Utami,

Rismawan,

Hidayati

2024

View full text Add to dashboard Cite

Keterbatasan sensorik yang melekat pada penyandang tunanetra menghalangi rutinitas mereka yang menyebabkan kesulitan dalam menjalankan aktivitas sehari-hari. Kurangnya teknologi pada alat bantu seperti tongkat yang menjadi kebutuhan para tunanetra menyebabkan kesulitan tunanetra menjalani aktivitas secara normal. Alat bantu yang mampu mengenali objek menjadi salah satu solusi untuk membantu para tunanetra. Dalam penelitian ini, dibangun sebuah sistem pengenalan objek menggunakan YOLO pada alat bantu tongkat tunanetra berbasis Raspberry Pi 4b. Sistem ini dibuat untuk membantu tunanetra mendapatkan informasi objek yang ada didepannya, sehingga tunanetra dapat menghindari objek tersebut karena menghalangi atau berpotensi mencelakai saat beraktivitas. Algoritma YOLO yang digunakan dalam penelitian ini adalah YOLOv4 dan YOLOv4-Tiny. Dataset yang digunakan memiliki 5 kelas objek yaitu kursi, meja, orang, pot tanaman, dan kulkas. Jumlah dataset yang digunakan untuk melatih model sebanyak 841 dataset yang dibagi menjadi 757 data latih dan 84 data uji. Pada pelatihan model yang dilakukan didapatkan hasil akurasi menggunakan mAP sebesar 99,74% untuk model YOLOv4 dan 67,78% untuk model YOLOv4-Tiny. Pada implementasi pengujian sistem pengenalan objek dengan jarak 1 hingga 3,5meter, didapatkan nilai akurasi sebesar 93,33% untuk model YOLOv4 dan 73,3% untuk model YOLOv4-Tiny.

show abstract

Deteksi Objek Menggunakan Metode Single Shot Multibox Detector Pada Alat Bantu Tongkat Tunanetra Berbasis Kamera

Cited by 7 publications

References 2 publications

Rancang Bangun Sistem Pendeteksi Aneka Ragam Buah Menggunakan MobileNetv2

Rancang Bangun Sistem Pendeteksi Aneka Ragam Buah Menggunakan MobileNetv2

Design and Build a Smart Door Lock Using the Deep Learning Convolutional Neural Network Method

Pengenalan Objek Menggunakan YOLO pada Alat Bantu Tunanetra Berbasis Raspberry Pi

Contact Info

Product

Resources

About