Object Detection of Track Using YOLO Method in Fast Unmanned Vessel Application

Abstract

Metode YOLO (You Only Look Once) digunakan dalam pembacaan lintasan buoy melalui webcam, sebuah pendekatan deteksi objek berbasis deep learning yang unggul dalam kecepatan dan presisi. Dalam deteksi lintasan, citra digital diambil melalui kamera atau dataset dan diubah menjadi format matriks piksel yang dapat diterima oleh model CNN. Jaringan CNN kemudian mengekstraksi fitur dari citra untuk deteksi buoy merah dan hijau melalui operasi konvolusi, pooling, dan aktivasi. Sistem menggunakan pengklasifikasi objek yang dianalisis di berbagai lokasi dan skala pada gambar, dilanjutkan dengan post-processing untuk menyaring kotak pembatas dan menghilangkan deteksi ganda. Dengan webcam yang memiliki akses baik, tingkat akurasi pendeteksian buoy mencapai hampir 100%, terutama ketika buoy ditempatkan dekat dengan perangkat. Pengguna mendapatkan informasi real-time tentang objek-objek terdeteksi melalui tampilan webcam dengan menampilkan kotak pembatas pada objek tersebut. Metode YOLO berhasil mendeteksi buoy dengan akurasi sesuai dengan hasil dari proses pelatihan, mencapai rata-rata 41,42%. Sistem ini menunjukkan ketepatan dalam deteksi objek lintasan, memberikan kemampuan yang baik bahkan ketika webcam digunakan selama proses pelatihan dan labeling objek menggunakan metode YOLO.