Sistem Tracking Pemandu dalam Kondisi Pencahayaan Beragam pada Smart Wheelchair Menggunakan Metode CLAHE dan YOLOv10N

Sistem Tracking Pemandu dalam Kondisi Pencahayaan Beragam pada Smart Wheelchair Menggunakan Metode CLAHE dan YOLOv10N

Penulis

  • Farid Nafis Tsani Universitas Brawijaya
  • Fitri Utaminingrum Fakultas Ilmu Komputer, Universitas Brawijaya

Kata Kunci:

CitraDigital DeteksiObjek CLAHE KursiRodaPintar NvidiaJetsonNano ComputerVision YOLOv10n

Abstrak

Kesetaraan dan inklusi bagi penyandang disabilitas, termasuk pengguna kursi roda, memerlukan aksesibilitas untuk mengurangi hambatan mobilitas. Kursi roda manual sering membutuhkan bantuan, terutama bagi lansia atau individu dengan keterbatasan fisik, sementara kursi roda elektrik konvensional belum mendukung navigasi bersama pemandu. Penelitian ini mengembangkan kursi roda pintar berbasis computer vision yang dapat mengikuti pemandu secara otomatis menggunakan YOLOv10n dan Nvidia Jetson Nano. Sistem dirancang untuk mendeteksi pemandu di berbagai kondisi pencahayaan, termasuk pencahayaan rendah (<100 lux), dengan peningkatan kualitas citra melalui metode CLAHE. Model dilatih menggunakan dataset 829 gambar manusia dan pre-trained weights, menghasilkan mAP50 99,3%, mAP50-95 94,3%, precision 0,9898, recall 0,9831, dan F1-score 0,9862 pada epoch ke-83. Pengujian menunjukkan akurasi deteksi pemandu 100% pada pencahayaan normal dan 93,75% pada pencahayaan rendah dengan CLAHE. Waktu komputasi per frame adalah 0,08212 detik (CLAHE) dan 0,06774 detik (tanpa CLAHE), memastikan proses real-time. Akurasi rata-rata sistem mencapai 96,88%, menunjukkan keandalan dan efisiensi untuk navigasi berbasis kursi roda pintar. Hasil ini membuktikan bahwa sistem berbasis citra digital, YOLOv10n, dan Nvidia Jetson Nano mampu memberikan solusi efektif dalam mendukung mobilitas penyandang disabilitas.

Kata Kunci: Citra Digital, Deteksi Objek, CLAHE, Kursi Roda Pintar, Nvidia Jetson Nano, Computer Vision, YOLOv10n

Referensi

Alif, M.A.R. and Hussain, M., 2024. YOLOv1 to YOLOv10: A comprehensive review of YOLO variants and their application in the agricultural domain. arXivpreprintarXiv:2406.10139

Andika, S. and Utaminingrum, F., 2023. Sistem Automatic Human Tracking pada Kursi Roda Pintar menggunakan Metode YOLOv7-Tiny berbasis Nvidia Jetson TX2. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 7(5), pp.2299-2304. Available at: <https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/12703>.

Demir, Y. and Kaplan, N.H., 2023. Low-light image enhancement based on sharpening-smoothing image filter. Digital Signal Processing, 138, p.104054. https://doi.org/10.1016/j.dsp.2023.104054.

Kamenov, K., Barrett, D., Pearce, E. & Cieza, A., 2022. Global report on health equity for persons with disabilities. Geneva: World Health Organization.

Rohei, M. S., Salwana, E., Shah, N. B. A. K., & Kakar, A. S. (2020). Design and testing of an epidermal RFID mechanism in a smart indoor human tracking system. IEEE Sensors Journal, 21(4), 5476-5486.

Wang, C.Y. and Liao, H.Y.M., 2024. YOLOv1 to YOLOv10: The fastest and most accurate real-time object detection systems. arXiv preprint arXiv:2408.09332. https://doi.org/10.48550/arXiv.2408.09332.

Yuan, Z., Zeng, J., Wei, Z., Jin, L., Zhao, S., Liu, X., Zhang, Y. and Zhou, G., 2023. CLAHE-based low-light image enhancement for robust object detection in overhead power transmission system. IEEE Transactions on Power Delivery, 38(3), pp.2240-2243. https://doi.org/10.1109/TPWRD.2023.3269206.

Unduhan

Diterbitkan

10 Jan 2025

Cara Mengutip

Tsani, F. N., & Utaminingrum, F. (2025). Sistem Tracking Pemandu dalam Kondisi Pencahayaan Beragam pada Smart Wheelchair Menggunakan Metode CLAHE dan YOLOv10N. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 9(3). Diambil dari https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/14512

Terbitan

Bagian

Artikel
Loading...