Deteksi Korban Menggunakan Deep Learning YOLOv11 pada Quadruped Robot Untuk KRSRI

Abstract

Penilitan ini bertujuan untuk mengetahui model YOLOv11 sebagai pengembangan dari metode deep learning dapat digunakan pada quadruped robot untuk KRSRI 2024 sebagai mendeteksi objek korban. Penelitian ini penting dilakukan karena sebagai menunjang perkembangan teknologi terutama pada robot vision. Pada arena KRSRI 2024 terdapat dummy yang mempunyai warna sama dengan korban pada arena jalan datar, jalan kelereng, dan jalan pecah. Penelitian ini mengunakan metode deep learing yolov11 pada quadruped robot dengan media arena KRSRI. Teknik pengujian ini terbagi 2 yaitu pengujian model untuk mengetahui perfroma model YOLOv11 dan pengujian pada robot. Dalam pengujian model terdapat pengujian offline yang berfungsi untuk mengetahui performa dari model YOLOv11 dan pengujian secara real time untuk mengetahui kemampuan model YOLOv11 dalam kondisi nyata. Model YOLOv11n sebagai model YOLO teringan akan diuji dengan hyeperparameter yang berbeda dengan cross validation untuk mengetahui hyper parameter mana yang terbaik. Dari pengujian hyper parameter keluarlah hyperparameter yang terbaik yaitu Batchsize 8, Learning rate 0.001420, Momentum 0.9, Optimizer Adam, Image Size 640x640 dengan meraih mAP50-95 rata rata 91%. Dari 2 pengujian model YOLOv11n dan YOLOv11x meraih performa yang baik dengan meraih nilia mAP50-95 diatas 91%. Untuk model YOLOv11n meraih FPS sebesar 32 dan YOLOv11x meraih 12. Untuk pengujian robot, model YOLOv11x sebagi model yang bisa menyelesaikan misi pada arena KRSRI di setiap jalan datar, jalan kelereng, jalan pecah untuk menyambil korban.