Kursus Python YOLO: Deteksi Dini Kebakaran Hutan Berdasarkan Citra UAV dengan YOLO

Berikut adalah silabus 10 sesi (@1,5 jam per sesi) untuk topik: “Deteksi Dini Kebakaran Hutan Berdasarkan Citra UAV dengan YOLO” Silabus ini cocok untuk tingkat Skripsi/Tesis atau pelatihan teknis lanjutan, dan mencakup teori, implementasi, hingga evaluasi.

Silabus 10x Sesi – Deteksi Kebakaran Hutan dengan UAV & YOLO

Sesi Topik Deskripsi

1 Pengantar Sistem Deteksi Dini Kebakaran Hutan – Konsep dasar deteksi kebakaran

– Dampak kebakaran hutan

– Kebutuhan akan sistem otomatis berbasis UAV dan AI

2 Pengenalan YOLO dan Computer Vision – Arsitektur YOLO (v3–v8)

– Deteksi objek real-time

– Dataset populer untuk deteksi kebakaran

3 Pengenalan UAV (Drone) dan Sistem Akuisisi Citra – Komponen UAV (kamera RGB & IR)

– Teknik pengambilan gambar udara

– Format dan resolusi citra untuk deteksi

4 Persiapan Dataset Deteksi Kebakaran – Mengumpulkan dan mengunduh dataset citra UAV kebakaran hutan

– Labeling data dengan LabelImg / Roboflow

– Struktur dataset YOLO

5 Pelatihan Model YOLO dengan Dataset Kebakaran – Preprocessing data (resize, augmentasi)

– Konfigurasi YOLO (anchors, cfg, weights)

– Training model YOLOv5/v8 menggunakan Python

6 Evaluasi Performa Model YOLO – Metrik evaluasi: mAP, precision, recall

– Confusion matrix

– Visualisasi hasil deteksi

7 Implementasi Deteksi Kebakaran Realtime – Deteksi kebakaran dari video drone

– Inference realtime dengan OpenCV dan YOLO

– Penyesuaian threshold deteksi dan FPS

8 Integrasi UAV + YOLO dalam Sistem Monitoring – Workflow: Drone ➝ Citra ➝ YOLO ➝ Deteksi

– Simulasi UAV mendeteksi titik api