Keselamatan berkendara, khususnya bagi pengendara sepeda motor, merupakan isu krusial, dan penggunaan helm secara konsisten terbukti dapat mengurangi risiko cedera kepala. Deteksi otomatis penggunaan helm melalui analisis citra dapat menjadi solusi efektif untuk memantau dan meningkatkan kepatuhan terhadap peraturan keselamatan. Dalam penelitian ini, model YOLOv10, sebuah arsitektur deteksi objek real-time terbaru, dilatih dan diuji menggunakan dataset citra yang relevan. Kinerja model dievaluasi berdasarkan metrik deteksi objek standar seperti precision, recall, F1-score, dan mean Average Precision (mAP). Berdasarkan hasil pelatihan dengan 300 citra dan 60 data validasi, model YOLOv10 berhasil mencapai nilai mAP50 sebesar 99,5%. Sementara itu, hasil pengujian menggunakan 20 citra menghasilkan akurasi sebesar 95%, menunjukkan bahwa sistem mampu mendeteksi penggunaan helm dengan cukup baik.