Aryaza, Abi and Dr.Eng. Novanto Yudistira, S.Kom., M.Sc and Tibyani, S.T., M.T (2024) Deteksi Objek Sampah Laut yang Efisien menggunakan YOLO yang Dipangkas. Sarjana thesis, Universitas Brawijaya.
Abstract
Sampah laut terus menjadi permasalahan yang tak kunjung usai dan sangat penting untuk ditangani karena kandungan-kandungan dalam sampah sangat berbahaya baik untuk biota laut. Kandungan seperti mikroplastik, zat bifenil poliklorinasi, dan pestisida dapat meracuni dan merusak habitat makhluk hidup yang tinggal di sekitarnya. Namun, penanganan solusi dengan menggunakan tenaga manusia seperti penyelaman semakin tidak efektif karena keterbatasn manusia didalam laut. Untuk mengatasi masalah tersebut teknologi autonomous underwater vehicles terus dikembangkan untuk dapat mengambil sampah didalam laut. Dalam pengembangannya, pemilihan arsitektur deteksi objek pada autonomous underwater vehicles juga menjadi faktor penting. Dalam mengembangkan robot yang mampu menangani sampah didalam laut, arsitektur bertipe one-stage detector sangat disarankan karena kebutuhannya atas deteksi secara real-time. Penelitian ini akan berfokus kepada penggunaan arsitektur YOLOv4 sebagai deteksi objek sampah didalam laut. Selain itu, beberapa modifikasi seperti pemangkasan pada channel dari YOLOv4 dilakukan untuk mendapatkan arsitektur yang paling efisien. Beberapa penelitian menunjukkan bahwa penggunaan channel pruning mampu meningkatkan kecepatan deteksi tanpa mengorbankan banyak akurasi. Dataset yang digunakan pada penelitian ini merupakan dataset trash-ICRA 19 yang merupakan citra objek didalam air laut. Dataset ini berfokus kepada citra objek sampah plastik didalam air dengan menambahkan beberapa kelas lain. Dengan menerapkan channel pruning pada YOLOv4 yang telah dilatih pada dataset citra objek bawah air, nilai frame rate per second mampu meningkat menjadi 19,4 dengan pengurangan mean average precision sebanyak 1% saja menjadi 96,6%.
English Abstract
Marine debris continues to be a persistent problem and is very important to address because the ingredients in the waste are very harmful to marine life. Ingredients such as microplastics, polychlorinated biphenyls, and pesticides can poison and damage the habitat of living things living around them. However, handling solutions using human labor such as diving are increasingly ineffective due to the limitations of humans in the sea. To overcome this problem, autonomous underwater vehicles technology continues to be developed to be able to pick up garbage in the sea. In its development, the selection of object detection architecture in autonomous underwater vehicles is also an important factor. In developing robots capable of handling marine debris, a one-stage detector type architecture is highly recommended due to its need for real-time detection. This research will focus on using the YOLOv4 architecture for object detection of marine debris. In addition, some modifications such as channel pruning of YOLOv4 are performed to obtain the most efficient architecture. Several studies have shown that the use of channel pruning can improve detection speed without sacrificing much accuracy. The dataset used in this research is the trash-ICRA 19 dataset which is an image of objects in sea water. This dataset focuses on the image of plastic waste objects in the water by adding several other classes. By applying channel pruning to YOLOv4 that has been trained on the underwater object image dataset, the frame rate per second value is able to increase to 19.4 with a 1% reduction in mean average precision to 96.6%.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | 0524150001 |
Uncontrolled Keywords: | Deteksi Objek, YOLO, Autonomous Underwater Vehicles, Sampah Laut, Channel Pruning-Object Detection, YOLO, Autonomous Underwater Vehicles, Marine Debris, Channel Pruning |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | soegeng sugeng |
Date Deposited: | 02 Feb 2024 07:42 |
Last Modified: | 02 Feb 2024 07:42 |
URI: | http://repository.ub.ac.id/id/eprint/214163 |
Text (DALAM MASA EMBARGO)
Abi Aryaza.pdf Restricted to Registered users only Download (4MB) |
Actions (login required)
View Item |