<![CDATA[Keterbatasan mobilitas penyandang disabilitas fisik mendorong kebutuhan akan sistem pengendali kursi roda yang adaptif tanpa keterlibatan tangan. Penelitian ini mengusulkan sistem deteksi arah kepala berbasis visi komputer untuk pengendalian kursi roda pintar secara realtime. Sistem ini dikembangkan menggunakan model YOLOv8N yang dioptimalkan dengan backbone MobileNetV3 guna meningkatkan efisiensi komputasi pada perangkat edge. Dataset terdiri dari 2000 gambar dalam kondisi pencahayaan terang dan gelap, diklasifikasikan ke dalam empat arah: kiri, kanan, depan, dan bawah. Pelatihan dilakukan dengan konfigurasi batch size 16, resolusi 640 piksel, dan optimizer AdamW. Hasil menunjukkan model modifikasi memiliki parameter lebih ringan (1,7 juta), ukuran lebih kecil (3,1 MB), dan waktu inferensi lebih cepat (1,8 ms) dengan mAP50–95 sebesar 0,787. Sistem ini efektif diterapkan pada mini PC untuk mendukung kebutuhan pengguna disabilitas dalam lingkungan nyata secara efisien dan responsif.Kata kunci: Yolov8N, MobileNetV3, Kursi Roda Pintar, Deteksi Gerak Kepala, Visi Komputer]]>
Copyrights © 2025
