Sistem Pendeteksi Putung Rokok dengan Metode You Only Look Once (YOLO)

Abstract

Selain menimbulkan risiko keamanan tertentu, merokok di tempat umum membahayakan lingkungan, properti, dan nyawa manusia. Perokok yang menggunakan model deteksi perilaku dengan pembelajaran mendalam diajarkan untuk waspada terhadap lingkungan dan keselamatan mereka. Awalnya, untuk meningkatkan pengumpulan data dan meningkatkan deteksi objek, tahap prapemrosesan menggunakan teknik meningkatkan dataset. Untuk mengkalibrasi respons fitur, modul perhatian saluran kemudian ditambahkan ke jaringan backbone. Terakhir, tingkatkan algoritme YOLOv5 dengan menyertakan lapisan deteksi untuk target kecil. Studi ini mengkaji arsitektur jaringan yolov5s serta model yang dilatih dan dievaluasi di dalamnya. Sistem terintegrasi antara computer vision dan Internet of Things (STIN)  memanfaatkan kamera sebagai komponen utama untuk pendeteksi adanya orang merokok yang ada di Dock Pemeliharaan dan Perbaikan Kapal, dengan memasukan 4 data sampel gambar pekerja yang sedang merokok ke dalam YOLO seperti kepala, putung rokok, orang dan orang yang memegang putung rokok. Sistem ini bisa memberikan labeling untuk tanda orang yang telah melanggar yang nantinya pekerja tersebut akan terdeteksi oleh kamera pada lokasi dok apung.