Berikut adalah silabus 10 sesi (masing-masing 1,5 jam) untuk topik “Deteksi Helm Keselamatan pada Pekerja Konstruksi Menggunakan YOLO”. Kursus ini cocok untuk mahasiswa tingkat akhir atau peserta yang memiliki dasar Python dan computer vision dasar.
Silabus 10x Sesi (1.5 Jam per Sesi)
Judul: Deteksi Helm Keselamatan pada Pekerja Konstruksi Menggunakan YOLO
Sesi 1: Pengenalan Computer Vision dan YOLO
-
Konsep dasar computer vision
-
Pengenalan deteksi objek: bounding box, confidence, IoU
-
Evolusi YOLO (v1 – v8): perbedaan dan kelebihan
-
Studi kasus deteksi helm
Sesi 2: Instalasi dan Persiapan Lingkungan YOLO
-
Persiapan Python environment (conda/venv)
-
Instalasi YOLOv5/YOLOv8 dan dependensinya
-
Struktur direktori proyek
-
Uji coba deteksi menggunakan model pre-trained
Sesi 3: Dataset Deteksi Helm
-
Sumber dataset: Open Images, Kaggle, atau kustom
-
Struktur dataset YOLO (train, val, test, label)
-
Teknik labeling menggunakan LabelImg/Roboflow
-
Evaluasi kualitas dataset
Sesi 4: Preprocessing dan Augmentasi Data
-
Resize, normalisasi, augmentasi (flip, rotate, brightness)
-
Automasi augmentasi dengan Albumentations/Roboflow
-
Split dataset untuk training dan validasi
-
Praktik: augmentasi 1 kelas helm & non-helm
Sesi 5: Training YOLOv5 untuk Deteksi Helm
-
Konfigurasi file .yaml dan train.py
-
Menyesuaikan parameter training (batch size, epochs, lr)
-
Monitoring training dengan TensorBoard
-
Menyimpan model hasil training



