Kursus Python YOLO: Sistem Deteksi Objek Autonomus Berbasis

Berikut adalah silabus lengkap untuk 10 sesi @1.5 jam dengan topik:

Sistem Deteksi Objek Autonomus Berbasis YOLO untuk Navigasi Kendaraan Nirawak (UAV)

Sesi 1: Pengantar UAV dan Deteksi Objek Otomatis

• Pengenalan sistem UAV dan aplikasinya

• Peran deteksi objek dalam navigasi otonom

• Konsep dasar YOLO (You Only Look Once)

• Studi kasus penerapan YOLO pada drone

• Tools: Google Colab, PyTorch, OpenCV

Sesi 2: Arsitektur YOLO dan Variannya (YOLOv4 – YOLOv8)

• Evolusi YOLO dari v1 ke v8

• Perbedaan antara YOLOv4, YOLOv5, YOLOv7, YOLOv8

• Keunggulan YOLOv8 untuk real-time UAV navigation

• Instalasi dan environment setup

Sesi 3: Dataset dan Annotation untuk Deteksi Objek UAV

• Jenis dataset: aerial imagery, drone footage

• Format YOLO (txt) dan bounding box annotation

• Latihan: Annotasi gambar dengan Roboflow / LabelImg

• Pengenalan class-class objek (manusia, kendaraan, rintangan)

Sesi 4: Training YOLOv5/YOLOv8 pada Dataset Aerial

• Preprocessing data

• Konfigurasi file training dan model

• Latihan: Training model dengan dataset aerial

• Evaluasi: Precision, recall, mAP

Sesi 5: Inferensi dan Visualisasi Deteksi pada Gambar dan Video

• Load model YOLO dan uji pada gambar UAV

• Uji model pada video drone

• Analisis real-time performance

• Plot bounding boxes dengan OpenCV

Sesi 6: Integrasi YOLO dengan Sistem UAV (Simulasi)

• Pengenalan ArduPilot, PX4, atau AirSim (simulasi)

• Cara feed kamera UAV ke model deteksi YOLO