Deteksi Pemandu pada Kursi Roda Pintar dengan Metode Histogram Equalization dan YOLOv8 pada Pencahayaan Rendah

Muhadzdzib, Naufal and Prof. Dr.Eng. Fitri Utaminingrum, S.T., M.T (2024) Deteksi Pemandu pada Kursi Roda Pintar dengan Metode Histogram Equalization dan YOLOv8 pada Pencahayaan Rendah. Sarjana thesis, Universitas Brawijaya.

Abstract

Penyandang disabilitas fisik yang memiliki keterbatasan kemampuan dalam berjalan membutuhkan alat bantu dalam melakukan mobilisasi, seperti kursi roda. Kursi roda umumnya digerakkan oleh pengguna dengan tangan atau didorong oleh orang lain. Model kursi roda seperti ini tentu memiliki kekurangan, yakni dibutuhkan tenaga yang cukup besar untuk menggerakkan kursi roda dan sangat bergantung dengan kekuatan pengguna atau orang lain yang menggerakkan. Selain itu, bagi penyandang disabilitas ganda dengan keterbatasan fungsi kaki dan tangan tentu tidak dapat mengontrol pergerakan kursi roda dengan maksimal. Terdapat berbagai macam kursi roda alternatif, salah satunya adalah kursi roda yang mampu mengikuti pemandu sehingga pengguna tidak perlu melakukan navigasi apapun. Pada penelitian ini, dikembangkan fitur deteksi pemandu agar mampu bekerja pada kondisi pencahayaan rendah (1‐15 lux). Penelitian ini mengusung metode histogram equalization sebagai enhancement citra dan YOLOv8 sebagai deteksi objek. Proses training deteksi objek menggunakan bobot pretrained YOLOv8n. Dataset yang digunakan adalah gambar dengan objek manusia sebanyak 829 gambar. Berdasarkan hasil training, didapatkan epoch terbaik yakni 72 dengan nilai accuracy sebesar 0,3153, nilai precision sebesar 0,6534, nilai recall sebesar 0,4013, dan nilai F1score sebesar 0,4972. Nilai tersebut didapatkan dari hasil evaluasi pada data validasi. Pada pengujian secara langsung di lingkungan dengan pencahayaan rendah, sistem mampu mendeteksi pemandu dan mendapatkan akurasi 100 % untuk kondisi maju, belok kanan, dan belok kiri, sedangkan untuk kondisi diam didapatkan akurasi 77,78 %. Waktu komputasi rata‐rata yang dibutuhkan untuk memproses satu tiap frame adalah 0.0619 detik.

English Abstract

People with physical disabilities who have limited ability to walk need assistive devices for mobilization, such as wheelchairs. Wheelchairs are generally moved by the user by hand or pushed by another person. This wheelchair model certainly has disadvantages, namely that it requires considerable energy to move the wheelchair and is very dependent on the strength of the user or other people who move it. In addition, people with multiple disabilities with limited leg and hand function certainly cannot control the movement of the wheelchair optimally. There are various kinds of alternative wheelchairs, one of which is a wheelchair that can follow a guide so that users do not need to do any navigation. In this research, a guide detection feature is developed to be able to work in low lighting conditions (1‐15 lux). This research applies histogram equalization method as image enhancement and YOLOv8 as object detection. The object detection training process uses YOLOv8n pre‐trained weights. The dataset used is an image with a human object as many as 829 images. Based on the training results, the best epoch is 72 with an accuracy value of 0.3153, precision value of 0.6534, recall value of 0.4013, and F1‐score value of 0.4972. These values are obtained from the evaluation results on validation data. In direct testing in low‐light environments, the system can detect the guide and get 100% accuracy for forward, right turn, and left turn conditions, while for stationary conditions, 77.78% accuracy is obtained. The average computation time required to process one frame is 0.0619 seconds.

Item Type:	Thesis (Sarjana)
Identification Number:	0524150257
Uncontrolled Keywords:	Citra Digital, Deteksi Objek, Histogram Equalization, Kursi Roda Pintar, Nvidia Jetson TX2 NX, Visi Komputer, YOLOv8-Digital Image, Object Detection, Histogram Equalization, Smart Wheelchair, Nvidia Jetson TX2 NX, Computer Vision, YOLOv8
Divisions:	Fakultas Ilmu Komputer > Teknik Komputer
Depositing User:	Sugeng Moelyono
Date Deposited:	26 Apr 2024 01:37
Last Modified:	26 Apr 2024 01:37
URI:	http://repository.ub.ac.id/id/eprint/217844

Text (DALAM MAS EMBARGO) Naufal Muhadzdzib.pdf Restricted to Registered users only Download (5MB)

Actions (login required)

View Item