<![CDATA[Penelitian ini bertujuan untuk mengembangkan model deteksi objek berbasis Roboflow yang efektif dalam mendeteksi penyandang disabilitas dalam lingkungan modular. Latar belakang penelitian ini berfokus pada pentingnya meningkatkan aksesibilitas bagi penyandang disabilitas di lingkungan modular dan mengoptimalkan efisiensi energi. Pendekatan ini mengintegrasikan teknologi pengenalan gambar untuk secara otomatis mendeteksi keberadaan penyandang disabilitas dan mengaktifkan fasilitas yang sesuai, serta mengoptimalkan penggunaan energi dengan sensor yang terhubung ke panel surya. Dataset yang digunakan terdiri dari foto-foto penyandang disabilitas yang diakses secara publik. Model dilatih menggunakan Roboflow 3.0 dengan arsitektur dan pelatihan dari MS COCO. Hasil evaluasi menunjukkan bahwa model ini sangat akurat dengan mAP 99,5%, precision 99,6%, dan recall 100,0%. Selama fase pelatihan, train/box_loss menurun dari 1,4 ke 0,4, train/cls_loss dari 2,5 ke bawah 0,5, dan train/dfl_loss dari 1,6 menjadi 1,0, menunjukkan peningkatan dalam akurasi deteksi dan klasifikasi objek. Validasi juga menunjukkan penurunan val/box_loss dari 2,0 ke bawah 0,5 dan val/cls_loss dari 4,0 ke bawah 1,0. Implementasi teknologi ini dapat membuat lingkungan modular lebih mudah diakses dan efisien dalam penggunaan energi.]]>
Copyrights © 2024
