Training Custom Model Deteksi Udang menggunakan YOLOv8
:
https://doi.org/10.32409/jikstik.22.4.3526
Keywords:
Deteksi Citra, YOLOv8, Google Colab, Roboflow, UdangAbstract
Perkembangan teknologi informasi yang semakin pesat membuat perkembangan teknologi di dunia computer vision semakin berkembang. Saat ini, penggunaan teknologi computer vision secara masif digunakan hampir di setiap kehidupan manusia yang tentunya sangat membantu manusia dalam melakukan pekerjaan dan aktivitas sehari-hari. Salah satu objek dari visi komputer adalah deteksi objek. Salah satu komoditas perikanan yang berkembang pesat di Indonesia adalah udang. Teknologi pendeteksian objek dapat membantu para petambak udang dalam mendeteksi udang dan menentukan jumlah udang yang terdeteksi. Penelitian ini akan membuat model pelatihan khusus untuk mendeteksi udang dengan menggunakan YOLOv8. Dataset yang digunakan adalah dataset dengan dua kelas, yaitu udang dan bukan_udang dengan jumlah data citra sebanyak 6630 data. Proses anotasi citra dilakukan dengan menggunakan roboflow. Proses training dataset dilakukan dengan menggunakan Google Colaboratory, YOLOv8, dan hasil yang didapat disimpan di Google Drive. Pelatihan dilakukan dengan total 300 epoch. Nilai rata-rata precision sebesar 92.57%, sedangkan nilai recall sebesar 88.2%. Akurasi model diperoleh nilai 93.2%. Hasil ini menggambarkan bahwa model relatif stabil dalam mengklasifikasikan objek dengan tepat.Downloads
References
S. Rejeki, R. W. Aryati, and L. L. Widowati, Pengantar Akuakultur. Semarang: UNDIP Press Semarang, 2019.
S. S. Fatimah, S. Marwanti, and S. Supardi, “Export Performance of Indonesian Shrimp In the United States During 2009-2017: A Constant Market Share Model Approach,” Jurnal Sosial Ekonomi Kelautan dan Perikanan, vol. 15, no. 1, pp. 57–67, Jun. 2020, doi: http://dx.doi.org/10.15578/jsekp.v15i1.7677.
Kementerian Kelautan dan Perikanan Republik Indonesia, “2020, KKP TARGETKAN KONSUMSI IKAN 56,39 KG,” https://kkp.go.id/artikel/16451-2020-kkp.
Balai Perikanan Budidaya Air Payau Situbondo, Budidaya Udang Vaname di Tambak Milenial. Situbondo: Kementerian Kelautan dan Perikanan, 2021.
Lusiana Rahma, Hadi Syaputra, A.Haidar Mirza, and usan Dian Purnamasari, “Objek Deteksi Makanan Khas Palembang Menggunakan Algoritma YOLO(You Only Look Once),” Jurnal Nasional Ilmu Komputer, vol. 2, no. 3, 2021.
Z. Q. Zhao, P. Zheng, S. T. Xu, and X. Wu, “Object Detection with Deep Learning: A Review,” IEEE Transactions on Neural Networks and Learning Systems, vol. 30, no. 11. Institute of Electrical and Electronics Engineers Inc., pp. 3212–3232, Nov. 01, 2019. doi: 10.1109/TNNLS.2018.2876865.
A. R. Pathak, M. Pandey, and S. Rautaray, “Application of Deep Learning for Object Detection,” in Procedia Computer Science, Elsevier B.V., 2018, pp. 1706–1717. doi: 10.1016/j.procs.2018.05.144.
D. Putra and Westriningsih, Pengolahan citra digital. Yogyakarta: ANDI, 2010.
Supono, TEKNOLOGI PRODUKSI UDANG. Bandar Lampung: Universitas Negeri Lampung, 2017.
Y. Wang, H. Wang, and Z. Xin, “Efficient detection model of steel strip surface defects based on YOLO-V7,” IEEE Access, 2022, doi: 10.1109/ACCESS.2022.3230894.
P. Jiang, D. Ergu, F. Liu, Y. Cai, and B. Ma, “A Review of Yolo Algorithm Developments,” Procedia Comput Sci, vol. 199, 2022.
N. Buhl, “YOLO models for Object Detection Explained [YOLOv8 Updated],” https://encord.com/blog/yolo-object-detection-guide/#h2.
M. A. bin Zuraimi and F. H. K. Zaman, “Vehicle Detection and Tracking using YOLO and DeepSORT,” 2021 IEEE 11th IEEE Symposium on Computer Applications & Industrial Electronics (ISCAIE), pp. 23–29, 2021.
Z. Wei, M. Chang, and Y. Zhong, “Fruit Freshness Detection Based on YOLOv8 and SE attention Mechanism,” Academic Journal of Science and Technology, vol. 6, no. 1, 2023.
J. Solawetz and Francesco, “What is YOLOv8? The Ultimate Guide,” https://blog.roboflow.com/whats-new-in-yolov8/#yolov8-accuracy-improvements.
Ultralitics, “Introducing Ultralytics YOLOv8,” https://ultralytics.com/article/Introducing-Ultralytics-YOLOv8.
S. Armalivia, Z. Zainuddin, A. Achmad, and Muh. A. Wicaksono, “Automatic Counting Shrimp Larvae Based You Only Look Once (YOLO),” 2021 International Conference on Artificial Intelligence and Mechatronics Systems (AIMS), pp. 1–4, 2021.
Roboflow, “Roboflow Overview,” https://docs.roboflow.com/.
A. R. WASRIL, M. S. GHOZALI, and M. B. MUSTAFA, “PEMBUATAN PENDETEKSI OBYEK DENGAN METODE YOU ONLY LOOK ONCE (YOLO) UNTUK AUTOMATED TELLER MACHINE (ATM) ,” Majalah Ilmiah UNIKOM, 2019.
A. N. Sugandi and B. Hartono, “Implementasi Pengolahan Citra pada Quadcopter untuk Deteksi Manusia Menggunakan Algoritma YOLO,” in Prosiding The 13th Industrial Research Workshop and National Seminar, Bandung, Jul. 2022.
A. Menon, B. Omman, and A. S, “Pedestrian Counting Using Yolo V3,” 2021 International Conference on Innovative Trends in Information Technology (ICITIIT), pp. 1–9, 2021.
R. G. Guntara, “Pemanfaatan Google Colab Untuk Aplikasi Pendeteksian Masker WajahMenggunakan Algoritma Deep Learning YOLOv7,” Jurnal Teknologi Dan Sistem Informasi Bisnis, vol. 5, no. 1, pp. 55–60, Jan. 2023.
S. Tata, A. Popescul, M. Najork, and M. Colagrosso, “Quick Access: Building a Smart Experience for Google Drive,” KDD 2017 Applied Data Science Paper, Aug. 2017.
K. S. Nugroho, “Confusion Matrix untuk Evaluasi Model pada Supervised Learning,” https://ksnugroho.medium.com/confusion-matrix-untuk-evaluasi-model-pada-unsupervised-machine-learning-bc4b1ae9ae3f.
T. Ahmad, Y. Ma, M. Yahya, B. Ahmad, S. Nazir, and A. ul Haq, “Object Detection through Modified YOLO Neural Network,” Sci Program, 2020.
Downloads
Published
How to Cite
Issue
Section
Categories
Abstract View: 0 times
