Sistem Pendeteksi Sapi pada Peternakan dengan Citra dan Video UAV Menggunakan Metode Single Shot Detector
Abstract
Abstrak— Indonesia adalah negara islam yang senang sekali menkonsumsi daging sapi. Sapi memiliki dua jenis yakni sapi potong dan sapi perah. Sapi biasanya dipelihara dipeternakan dan memiliki jenis kandang yang berbeda-beda. Jika peternakan memiliki kandang yang besar pasti akan sulit dan memakan banyak waktu dalam hal pengawasan, apalagi saat sapi-sapi itu berada di ladang gembala maka akan sangat beresiko dalam hal kehilangan hewan ternak seperti pencurian hingga sapi kabur dari lokasi. Pada penelitian ini yakni membuat sebuah sistem deteksi sapi dengan citra dan video UAV menggunakan metode SSD (Single Shot Detector) untuk membantu peternakan dalam pengawasan hewan ternak khususnya sapi. Hasil yang telah di dapat bahwa sistem dapat mendeteksi objek dengan ditandai kotak pembatas dan diberi label sapi. Lalu rata-rata akurasi terbaik dalam hal mendeteksi objek adalah ketika drone berada di ketinggian 5 meter yakni 94.45% untuk kondisi diam dan 100% untuk kondisi berjalan.
Kata kunci— SSD (Single Shot Detector), Visi Komputer, Drone, Sapi.
References
REFERENSI
_Badan Pusat Statistik,
,= Direktorat Stat. Peternakan, Perikanan, dan
Kehutan., p. 135, 2022, [Online]. Available:
https://www.bps.go.id/publication/2022/06/30/4c01
ef2008bea02f4349/peternakan-dalam-angka2022.html.
D. R. Hartawan, T. W. Purboyo S.Si., S.T., M.PMat.,
and C. Setianingsih, S.T., M.T.,
DENGAN METODE CONVOLUTIONAL
NEURAL NETWORK ( CNN ) DESIGN AND
IMPLEMENTATION OF DISASTER VICTIMS
DETECTION SYSTEM USING
CONVOLUTIONAL NEURAL NETWORK ( CNN
) METHOD,= S1 Tek. Komputer, Fak. Tek. Elektro,
Univ. Telkom, p. 8, 2019.
A. D. Gunawan, M. Rumani, and C. Setianingsih,
Menggunakan Drone Berbasis Mikro Komputer
Design and Implementation of Human Detection
System in Search 0F Natural Disaster Victims Using
Drone Based on Micro Computer,= e-Proceeding
Eng., vol. 4, no. 3, pp. 4115-4122, 2017.
P. Mittal, R. Singh, and A. Sharma,
A survey,= Image Vis. Comput., vol. 104, 2020, doi:
1016/j.imavis.2020.104046.
N. Z. Munantri, H. Sofyan, and M. Yanu,
Pengolahan Citra Digital Untuk Mendeteksi Umur
Pohon,= Telematika, vol. 16, no. 2, pp. 97-104, 2019.
S. Fuady, N. Nehru, and G. Anggraeni,
Objek Menggunakan Metode Single Shot Multibox
Detector Pada Alat Bantu Tongkat Tunanetra
Berbasis Kamera,= J. Electr. Power Control Autom.,
vol. 3, no. 2, p. 39, 2020, doi:
33087/jepca.v3i2.38.
N. A. H. Y.C. Wong, J.A. Lai, S.S.S. Ranjit, A.R.
Syafeeza,
Detection System for Blind People,= J. Telecommun.
Electron. Comput. Eng., vol. 11, no. 2, pp. 1-6, 2019,
doi: 10.35940/ijrte.B1129.0882S819.
A. Rohan, M. Rabah, and S. H. Kim,
Neural Network-Based Real-Time Object Detection
and Tracking for Parrot AR Drone 2,= IEEE Access,
vol. 7, pp. 69575-69584, 2019, doi:
1109/ACCESS.2019.2919332.
Mayank Shinghal,
Mobilenet and Tensorflow Object Detection API_:
Can detect any single class from coco dataset. | by
mayank singhal | Medium,= Jul. 07, 2020.
(accessed Feb. 04, 2023).
N. Nufus et al.,
Lingkungan Terbatas Berbasis SSD MobileNet V2
Dengan Menggunakan Gambar 360_
Ternormalisasi,= in Prosiding Seminar Nasional
Sains Teknologi dan Inovasi Indonesia
(SENASTINDO), 2021, vol. 3, no. November, pp.
-134, doi: 10.54706/senastindo.v3.2021.123.
P. Farid Hasainia,
Network (FPN)?,= Apr. 05, 2022.
https://www.fastpath.one/blog/feature-pyramidnetwork-fpn (accessed Feb. 04, 2023).
Jonathan Hui,
Networks for object detection (FPN) | by Jonathan
Hui | Medium,= Mar. 28, 2018. https://jonathanhui.medium.com/understanding-feature-pyramidnetworks-for-object-detection-fpn-45b227b9106c
(accessed Feb. 04, 2023).
Indhumathy Chelliah,
Multiclass Classification by Indhumathy Chelliah |
MLearning.ai | Medium|,= Sep. 15, 2022.
https://medium.com/mlearning-ai/confusion-matrixfor-multiclass-classification-f25ed7173e66
(accessed Jan. 18, 2023).
Kuncahyo Setyo Nugroho,
Evaluasi Model pada Supervised Learning | by
Kuncahyo Setyo Nugroho | Medium,= Nov. 13, 2019.
https://ksnugroho.medium.com/confusion-matrixuntuk-evaluasi-model-pada-unsupervised-machine-learning-bc4b1ae9ae3f (accessed Jan. 18, 2023).
