Tajweed-YOLO: Object Detection Method for Tajweed by Applying HSV Color Model Augmentation on Mushaf Images

Abstract

Tajweed is a basic knowledge of learning to read the Al-Qur’an correctly. Tajweed has many laws grouped into several parts so that only some people can memorize and implement Tajweed properly. Therefore, it is necessary to have an automatic detection system to facilitate the recognition of Tajweed, which can be used daily. This study presents Tajweed-YOLO, which applies the HSV color augmentation model to detect Tajweed objects in Mushaf images using YOLO. The contribution to this study was to compare the three versions of You Only Look Once (YOLO), i.e., YOLOv5, YOLOv6, and YOLOv7, and usage of the HSV color model augmentation to improve Tajweed detection performance. Comparing the three YOLO versions aims to solve problems in detecting small objects and recognizing various forms of Mushaf writing fonts in Tajweed detection. Meanwhile, the HSV color model aims to recognize Tajweed objects in various Mushaf and handle minority class problems. In this study, we collected four different Al-Qur’an mushaf with 10 Tajweed classes. The augmentation process can increase the detection performance by up to 85% compared to without augmentation 6th Class (Mad Jaiz Munfashil) using YOLOv6. The comparison of three YOLO versions concluded that YOLOv7 was better than YOLOv5 and YOLOv6, seen in data with augmentation and without augmentation. The evaluation results of mAP0.5 on 17 test data on the YOLOv7, YOLOv6, and YOLOv5 models are 80%, 69%, and 71%, respectively. These results prove that this research model’s results are suitable for the real-time detection of Tajweed.

Optimasi Deteksi Objek Dengan Segmentasi dan Data Augmentasi Pada Hewan Siput Beracun Menggunakan Algoritma You Only Look Once (YOLO)

“…Metode YOLO (You Only Look Once) adalah metode pendeteksian objek populer yang mendukung sistem dapat bekerja secara real-time [4]. YOLO memproses gambar secara real-time pada empat puluh lima (45) frames per second [5].…”

Güneş Enerjisi Santrallerinde YOLO Algoritmaları ile Hotspot Kusurlarının Tespiti

“…YOLOv6 modeli, 2022 yılında Meituan Görsel Zekâ Departmanı tarafından çoklu nesneler üzerinde iyi algılama performansı sonuçları ve yüksek çıkarım hızı ile önerilmiştir [22]. YOLO mimarisi temelinde inşa edilmiş ve daha yüksek doğruluk, daha hızlı performans ve daha fazla ölçeklenebilirlik özellikleri sağlamak üzere tasarlanmıştır.…”

“…Ayrıca, omurga, boyun ve baş yapısını donanıma göre yeniden tasarlayarak çeşitli iyileştirmeler ve yeni yöntemler sunmuştur [23].Şekil 4'de model mimarisi verilen YOLOv6 modeli, önceki YOLO mimarilerinden daha az parametre kullanarak daha yüksek doğruluk elde etmek için EfficientRep tabanlı yeni bir omurga tasarlanmıştır. Boyun bölümü için, değerlendirme sonuçları ile nesne algılama hızı arasında iyi bir denge sağlamak için Rep-PAN uygulamıştır [22]. Boyun kısmında, önceki YOLO modellerinde kullanılan 3x3 konvolüsyon katmanları yerine, 1x1 ve 3x3 konvolüsyon katmanlarından oluşan bir yapı kullanılmıştır.…”