IMPLEMENTASI SISTEM OBJECT TRACKING UNTUK MENDETEKSI DUA OBJEK BERBASIS DEEP LEARNING

Abstract

Kontes Robot Indonesia (KRI) adalah kompetisi penggambaran, perencanaan, dan pembuatan rekayasa dalam bidang robotika. Salah satu divisi yang dilombakan yaitu Kontes Robot Sepak Bola Beroda (KRSBI Beroda). Salah satu strategi pertandingan untuk memenangkan pertandingan yaitu saling umpan antar robot. Jadi robot diharuskan dapat melakukan identifikasi mana kawannya. Untuk melakukan tracking bola dan kawan dibutuhkan sebuah sistem pendeteksian objek. Pada penelitian ini, akan dikembangkan sistem tracking bola dan pendeteksian robot kawan dengan berbasis Deep Learning. Metode Deep Learning yang digunakan yaitu metode CNN (Convolutional Neural Network). Pada penelitian ini akan menggunakan kamera omnidirectional dan kamera webcam Logitech yang masing-masing akan digunakan untuk proses deteksi objek bola dan kawan. Pendeteksian objek yang dilakukan menggunakan algoritma YOLO yang arsitekturnya terdiri dari 24 layer kovolusi, 4 layer max pooling, dan 2 layer fully connected. Pendeteksian objek yang dilakukan menggunakan algoritma YOLO yang sebelumnya sudah di training menggunakan model YOLOv5s dengan jumlah dataset 1500 gambar bola dan 600 gambar kawan. Dari hasil training yolov5 dihasilkan pembacaan yang bagus dengan Mean Average Precision (mAP) mencapai 0.985, presisi sebesar 0.971 dan nilai recall mencapai 0.981 Dari hasil pengujian yang dilakukan sistem dapat mendeteksi bola mencapai jarak 700 cm dan mendeteksi kawan mencapai jarak 900 cm. Ketika intensitas cahaya terlalu rendah pendeteksian yang dilakukan tidak stabil. Robot JR EVO berhasil melakukan tracking bola maupun kawan.

Keywords

• cnn, deep learning, deteksi objek, kamera, robot, yolo.