<![CDATA[Pada era perkembangan robotika modern, sistem deteksi objek berbasis computer vision menjadi komponen penting dalam mendukung kemampuan robot sepak bola humanoid untuk beroperasi secara mandiri, khususnya pada ajang Kontes Robot Sepak Bola Indonesia - Humanoid (KRSBI-H). Penelitian ini bertujuan mengembangkan sistem deteksi bola berbasis YOLOv5 yang dikombinasikan dengan algoritma Convex Hull untuk meningkatkan kestabilan deteksi melalui pembatasan area pencarian objek berdasarkan segmentasi lapangan. Metode penelitian ini melibatkan pengujian performa deteksi menggunakan metrik precision, recall, F1-score, mAP@0,5, dan mAP@0,5:0,95, serta evaluasi penggunaan sumber daya komputasi dan performa real-time sistem. Hasil pengujian menunjukkan bahwa model YOLOv5 memiliki performa deteksi yang sangat baik dengan nilai precision sebesar 0,985, recall 1,000, F1-score 0,992, mAP@0,5 0,995, dan mAP@0,5:0,95 0,961. Evaluasi penggunaan sumber daya menunjukkan bahwa penerapan Convex Hull tidak memberikan peningkatan beban komputasi yang signifikan baik pada kondisi idle maupun saat robot berjalan. Pengujian real-time menunjukkan bahwa metode YOLOv5 menghasilkan rata-rata 34,3 FPS dengan waktu inferensi 28,26 ms, sedangkan kombinasi YOLOv5 dengan Convex Hull menghasilkan 28,77 FPS dengan waktu inferensi 34,76 ms, yang masih berada dalam batas real-time. Hasil ini menunjukkan bahwa integrasi YOLOv5 dan Convex Hull efektif dalam meningkatkan kestabilan deteksi bola dengan tetap mempertahankan kinerja real-time sistem robot humanoid.]]>
Copyrights © 2026
