Sistem Automatic Human Tracking pada Kursi Roda Pintar menggunakan Metode YOLOv7-Tiny berbasis Nvidia Jetson TX2

Samuel Andika; Fitri Utaminingrum

Sistem Automatic Human Tracking pada Kursi Roda Pintar menggunakan Metode YOLOv7-Tiny berbasis Nvidia Jetson TX2

Penulis

Samuel Andika Fakultas Ilmu Komputer, Universitas Brawijaya
Fitri Utaminingrum Fakultas Ilmu Komputer, Universitas Brawijaya

Kata Kunci:

Deteksi Objek, Kursi Roda Pintar, Nvidia Jetson TX2, Sistem Pengikut Otomatis, YOLOv7-Tiny

Abstrak

Kursi roda merupakan alat penting bagi individu dengan disabilitas untuk meningkatkan mobilitas dan kualitas hidup. Penelitian ini mengusulkan fitur pengikut otomatis menggunakan metode YOLOv7-Tiny pada kursi roda pintar dengan Nvidia Jetson TX2 NX. Fitur ini memungkinkan kursi roda untuk mengikuti penuntun dalam bergerak maju, belok kiri, belok kanan, dan berhenti tanpa memerlukan usaha ekstra dari pengguna atau penuntun. Penelitian ini melibatkan pengumpulan lebih dari 73.000 gambar manusia yang telah dianotasi dan diaugmentasi. Dengan augmentasi, sistem dapat mengatasi berbagai situasi saat mendeteksi manusia. Model YOLOv7-Tiny dilatih menggunakan data tersebut. Sistem ini dapat mendeteksi manusia dengan akurasi 100% dalam rentang jarak 1 hingga 5 meter, dengan waktu komputasi rata-rata 0,13 detik. Bahkan dengan intervensi hingga 5 orang dalam frame, sistem tetap dapat mendeteksi manusia dengan akurat dalam rentang jarak 1 hingga 3 meter. Setelah deteksi manusia dilakukan, dilakukan integrasi sistem agar kursi roda pintar dapat mengikuti gerakan penuntun. Dalam hal ini, nilai PWM digunakan untuk mengontrol motor pada roda belakang yang dikirim melalui Arduino Uno. Dalam pengujian, kursi roda mampu mengikuti nilai PWM yang diberikan, sehingga mampu mengikuti gerakan penuntun dengan baik, termasuk maju, belok kiri, belok kanan, dan berhenti.

Referensi

Hossain, T., Sabbir, M.S.-U.-A., Mariam, A., Inan, T.T., Nazrul Islam, M., Mahbub, K. and Sazid, M.T., 2019. Towards Developing an Intelligent Wheelchair for People with Congenital Disabilities and Mobility Impairment. In: 2019 1st International Conference on Advances in Science, Engineering and Robotics Technology (ICASERT). pp.1–7. https://doi.org/10.1109/ICASERT.2019.8934522.

Kengale, V., Bansod, K., Sure, C., Dalal, M., Bawane, S. and Pal, M., 2021. Designing of a Smart Wheelchair for People with Disabilities. In: 2021 Third International Conference on Intelligent Communication Technologies and Virtual Mobile Networks (ICICV). pp.1518–1522. https://doi.org/10.1109/ICICV50876.2021.9388417.

Kumawat, R., Dayal, A. and Srinivasan, S., 2021. Implementation of Self-Controlled Wheelchairs based on Joystick, Gesture Motion and Voice Recognition. In: 2021 IEEE International Symposium on Smart Electronic Systems (iSES). pp.240–243. https://doi.org/10.1109/iSES52644.2021.00062.

Palebangan, A. and Utaminingrum, F., 2022. SISTEM GUIDED FOLLOWING CONTROL PADA SMART WHEELCHAIR MENGGUNAKAN METODE YOLOv5 BERBASIS NVIDIA JETSON TX2.

Al Shabibi, M.A.K. and Kesavan, S.M., 2021. IoT Based Smart Wheelchair for Disabled People. In: 2021 International Conference on System, Computation, Automation and Networking (ICSCAN). pp.1–6. https://doi.org/10.1109/ICSCAN53069.2021.9526427.

Wang, C.-Y., Bochkovskiy, A. and Liao, H., 2022. YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors. https://doi.org/10.48550/arXiv.2207.02696.

Sistem Automatic Human Tracking pada Kursi Roda Pintar menggunakan Metode YOLOv7-Tiny berbasis Nvidia Jetson TX2