Silabus Penggunaan YOLO untuk Pemantauan Keamanan Pabrik: Deteksi Orang dan Objek Berbahaya dalam Lingkungan Kerja
Tema: Deteksi Orang dan Objek Berbahaya dalam Lingkungan Kerja
Sesi 1-5: Dasar-dasar Computer Vision dan YOLO
-
Sesi 1: Pengenalan Computer Vision dan YOLO Apa itu Computer Vision?
-
Konsep dasar YOLO (You Only Look Once).
-
Aplikasi YOLO dalam deteksi objek.
-
Diskusi studi kasus penggunaan YOLO.
-
Sesi 2: Instalasi dan Persiapan Lingkungan Kerja Instalasi Python dan pustaka pendukung (OpenCV, TensorFlow, PyTorch).
-
Instalasi YOLO dan dependensinya.
-
Pengenalan Google Colab dan setup GPU.
-
Sesi 3: Arsitektur YOLO dan Versi yang Berbeda Penjelasan arsitektur YOLO.
-
Perbandingan antara YOLOv3, YOLOv4, YOLOv5, dan YOLOv8.
-
Memilih versi YOLO yang tepat untuk aplikasi keamanan pabrik.
-
Sesi 4: Dataset dan Labeling Pengenalan dataset untuk deteksi objek.
-
Teknik labeling data menggunakan tools seperti LabelImg.
-
Praktik membuat dataset orang dan objek berbahaya dalam lingkungan pabrik.
-
Sesi 5: Transfer Learning dengan YOLO Konsep transfer learning.
-
Mempersiapkan model pre-trained YOLO untuk transfer learning.
-
Latihan transfer learning untuk deteksi objek.
Sesi 6-10: Pembuatan Model YOLO
-
Sesi 6: Pelatihan Model YOLO dari Awal Menyiapkan dataset kustom.
-
Pelatihan model YOLO menggunakan dataset kustom.
-
Evaluasi hasil pelatihan model.
-
Sesi 7: Pengaturan Parameter dan Hyperparameter Tuning Pengaturan parameter pelatihan YOLO.
-
Teknik hyperparameter tuning untuk peningkatan akurasi.
-
Evaluasi hasil setelah tuning.
-
Sesi 8: Evaluasi Model dan Metrik Deteksi Metrik evaluasi: Precision, Recall, F1 Score.



