<![CDATA[Kesetaraan dan inklusi bagi penyandang disabilitas, termasuk pengguna kursi roda, memerlukan aksesibilitas untuk mengurangi hambatan mobilitas. Kursi roda manual sering membutuhkan bantuan, terutama bagi lansia atau individu dengan keterbatasan fisik, sementara kursi roda elektrik konvensional belum mendukung navigasi bersama pemandu. Penelitian ini mengembangkan kursi roda pintar berbasis computer vision yang dapat mengikuti pemandu secara otomatis menggunakan YOLOv10n dan Nvidia Jetson Nano. Sistem dirancang untuk mendeteksi pemandu di berbagai kondisi pencahayaan, termasuk pencahayaan rendah (<100 lux), dengan peningkatan kualitas citra melalui metode CLAHE. Model dilatih menggunakan dataset 829 gambar manusia dan pre-trained weights, menghasilkan mAP50 99,3%, mAP50-95 94,3%, precision 0,9898, recall 0,9831, dan F1-score 0,9862 pada epoch ke-83. Pengujian menunjukkan akurasi deteksi pemandu 100% pada pencahayaan normal dan 93,75% pada pencahayaan rendah dengan CLAHE. Waktu komputasi per frame adalah 0,08212 detik (CLAHE) dan 0,06774 detik (tanpa CLAHE), memastikan proses real-time. Akurasi rata-rata sistem mencapai 96,88%, menunjukkan keandalan dan efisiensi untuk navigasi berbasis kursi roda pintar. Hasil ini membuktikan bahwa sistem berbasis citra digital, YOLOv10n, dan Nvidia Jetson Nano mampu memberikan solusi efektif dalam mendukung mobilitas penyandang disabilitas.Kata Kunci: Citra Digital, Deteksi Objek, CLAHE, Kursi Roda Pintar, Nvidia Jetson Nano, Computer Vision, YOLOv10n]]>
Copyrights © 2025
