Implementasi Deep Learning untuk Deteksi Objek pada Robot Edukasi

Penelitian ini berfokus pada integrasi algoritma You Only Look Once (YOLO) ke dalam sistem visi robot edukasi. Robot edukasi seringkali memiliki keterbatasan komputasi, sehingga tantangan utamanya adalah mengoptimalkan model deep learning agar dapat berjalan secara real-time tanpa mengurangi akurasi secara signifikan.

Metodologi

Kami menggunakan dataset yang dikumpulkan dari lingkungan laboratorium sekolah, terdiri dari berbagai objek sehari-hari dan rintangan umum. Model YOLOv4-tiny dipilih dan dilatih ulang (fine-tuning) menggunakan teknik transfer learning untuk menyesuaikan dengan domain spesifik ini.

Hasil Eksperimen

Hasil pengujian menunjukkan bahwa model yang dioptimalkan mampu mencapai frame rate rata-rata 24 FPS pada hardware Raspberry Pi 4 dengan akurasi mAP (mean Average Precision) sebesar 78%. Ini menunjukkan kelayakan penggunaan deep learning canggih pada perangkat edge berbiaya rendah untuk tujuan pendidikan.

Kesimpulan

Implementasi ini membuka peluang baru bagi siswa SMK untuk belajar tentang konsep advanced computer vision dan robotics secara langsung, menjembatani kesenjangan antara teori dan praktik industri.