Sistem Tracking Pemandu dalam Kondisi Pencahayaan Beragam pada Smart Wheelchair Menggunakan Metode CLAHE dan YOLOv10N

Tsani, Farid Nafis and Prof. Dr. Eng. Fitri Utaminingrum, S.T., M.T. (2024) Sistem Tracking Pemandu dalam Kondisi Pencahayaan Beragam pada Smart Wheelchair Menggunakan Metode CLAHE dan YOLOv10N. Sarjana thesis, Universitas Brawijaya.

Abstract

Kesetaraan dan inklusi adalah kebutuhan mendasar bagi penyandang disabilitas, termasuk pengguna kursi roda. Aksesibilitas kursi roda memainkan peran penting dalam mengurangi hambatan mobilitas dan memastikan partisipasi penuh dalam berbagai aspek kehidupan. Namun, kursi roda manual sering kali memerlukan bantuan, terutama bagi lansia atau individu dengan keterbatasan fisik saat menghadapi medan sulit atau tanjakan. Sementara itu, kursi roda elektrik yang ada belum dilengkapi fitur navigasi bersama pemandu, sehingga mobilitas pengguna masih terbatas. Sebagai alternatif, dikembangkan kursi roda pintar berbasis computer vision yang mampu mengikuti pemandu tanpa navigasi manual dari pengguna. Penelitian ini menghadirkan fitur deteksi pemandu yang dirancang untuk bekerja pada berbagai kondisi pencahayaan, termasuk pencahayaan rendah (<100 lux). Sistem memanfaatkan citra digital yang ditingkatkan menggunakan metode Contrast Limited Adaptive Histogram Equalization (CLAHE) untuk meningkatkan kualitas citra dan YOLOv10n untuk deteksi objek, dengan Nvidia Jetson Nano sebagai otak komputasi untuk memastikan efisiensi proses. Model dilatih menggunakan bobot pre-trained YOLOv10n dengan dataset berupa 829 gambar manusia, menghasilkan performa terbaik pada epoch ke-83 dengan mAP50 sebesar 99,3%, mAP50-95 sebesar 94,3%, precision 0,9898, recall 0,9831, dan F1-score 0,9862. Pengujian menunjukkan akurasi deteksi pemandu 100% pada pencahayaan normal, baik tanpa maupun dengan CLAHE. Pada pencahayaan rendah tanpa CLAHE, akurasi mencapai 100% untuk kondisi maju dan belok kiri, tetapi menurun menjadi 80% untuk diam dan belok kanan. Dengan CLAHE, akurasi meningkat menjadi 100% kecuali untuk kondisi diam (90%). Rata-rata akurasi adalah 100% pada pencahayaan normal, 90% tanpa CLAHE, dan 97,5% dengan CLAHE, dengan total akurasi 96,88%. Waktu komputasi per frame adalah 0,08212 detik dengan CLAHE dan 0,06774 detik tanpa CLAHE. Hasil ini menunjukkan sistem yang andal, efisien, dan efektif untuk navigasi berbasis kursi roda pintar, yang memanfaatkan kemampuan deteksi objek berbasis computer vision dengan dukungan Nvidia Jetson Nano untuk pengolahan citra secara real-time.

English Abstract

Equality and inclusion are fundamental needs for people with disabilities, including wheelchair users. Wheelchair accessibility plays a vital role in reducing mobility barriers and ensuring full participation in various aspects of life. However, manual wheelchairs often require assistance, especially for the elderly or individuals with physical limitations when facing difficult terrain or slopes. Meanwhile, existing electric wheelchairs are not equipped with navigation features with a guide, so user mobility is still limited. An alternative is the development of a computer vision-based smart wheelchair that is able to follow a guide without manual navigation from the user. This study presents a guide detection feature designed to work in various lighting conditions, including low lighting (<100 lux). The system utilizes digital image enhancement using the Contrast Limited Adaptive Histogram Equalization (CLAHE) method to improve image quality and YOLOv10n to detect objects, with Nvidia Jetson Nano as the computing brain to ensure process efficiency. The model was drilled using YOLOv10n pre-trained weights with a dataset of 829 human images, producing the best performance at epoch 83 with mAP50 of 99.3%, mAP50-95 of 94.3%, precision of 0.9898, recall of 0.9831, and F1 score of 0.9862. The test showed 100% driver detection accuracy in normal lighting, both without and with CLAHE. In low lighting without CLAHE, the accuracy reached 100% for forward and left turn conditions, but decreased to 80% for stationary and right turn. With CLAHE, the accuracy increased to 100% except for stationary conditions (90%). The average accuracy was 100% in normal lighting, 90% without CLAHE, and 97.5% with CLAHE, with a total accuracy of 96.88%. The computation time per frame is 0.08212 seconds with CLAHE and 0.06774 seconds without CLAHE. These results demonstrate a reliable, efficient, and effective system for smart wheelchair-based navigation, which leverages the capabilities of computer vision-based object detection with the support of Nvidia Jetson Nano for real-time image processing.

Item Type:	Thesis (Sarjana)
Identification Number:	052415
Uncontrolled Keywords:	Citra Digital, Deteksi Objek, Contrast Limited Adaptive Histogram Equalization, Kursi Roda Pintar, Nvidia Jetson Nano, Computer vision, YOLOv10n
Divisions:	Fakultas Ilmu Komputer > Teknik Komputer
Depositing User:	S Sucipto
Date Deposited:	14 Feb 2025 02:59
Last Modified:	14 Feb 2025 02:59
URI:	http://repository.ub.ac.id/id/eprint/236747

Text (DALAM MASA EMBARGO) Farid Nafis Tsani.pdf Restricted to Registered users only Download (8MB)

Actions (login required)

View Item