<![CDATA[Riset computer vision di lingkungan kampus seringkali tertahan oleh siklus pengujian model yang lambat: setiap pergantian model deteksi atau segmentasi memaksa restart server, modifikasi kode, dan rekonfigurasi pipeline. Penelitian ini bertujuan mengembangkan Poli SEG, sebuah platform web modular berbasis Flask yang menyatukan empat tugas utama computer vision (deteksi objek, segmentasi instance, pelacakan objek, dan anotasi otomatis) dalam satu antarmuka terintegrasi dengan mekanisme manajemen model dinamis berbasis hash MD5. Pengembangan menggunakan model proses berbasis SDLC iteratif dengan tujuh tahapan, dari studi literatur hingga evaluasi fungsional. Inti kontribusinya adalah modul model_manager yang mendukung pemuatan dan penggantian model secara langsung (hot-swap) tanpa restart server, dipadu lapisan Blueprint Flask yang memisahkan tiap fitur sebagai modul independen. Pengujian black-box pada enam modul utama dengan 60 skenario menunjukkan tingkat keberhasilan rata-rata 96,2%, waktu inferensi rata-rata 38,4 ms untuk gambar 640x640 piksel, dan keberhasilan hot-swap antar enam model berbeda pada 100% percobaan. Implementasi mode Slicing Aided Hyper Inference berhasil meningkatkan deteksi objek kecil pada gambar resolusi tinggi. Poli SEG dapat dimanfaatkan sebagai sandbox riset multi-tugas dan platform pengujian model lintas peneliti tanpa hambatan teknis pemuatan model.]]>
Copyrights © 2025
