Deteksi Mobil dan Klasifikasi Jenis Mobil Menggunakan Model Machine Learning untuk Sistem Parkir Pintar
Abstract
Keterbatasan lahan parkir disertai dengan peningkatan jumlah kendaraan menyebabkan masalah-masalah kemacetan, menghabiskan waktu mencari tempat parkir, dan tempat parkir kosong yang sia-sia. Agar masalah tersebut dapat diatasi, sistem parkir pintar digunakan untuk mengatasi masalah tersebut agar pengemudi mudah dalam mencari tempat parkir sehingga tidak terjadi kemacetan dan tidak terdapat slot kosong yang sia-sia. Salah satu subsistem dalam sistem parkir pintar adalah sistem pendeteksian ketersediaan slot. Paper ini membahas bagian sistem tersebut, khususnya pada deteksi objek mobil dari gambar, agar data hasil deteksi dan klasifikasi tersebut dapat digunakan untuk deteksi ketersediaan slot dan fitur seperti reservasi. Model yang digunakan pada paper ini untuk mendeteksi mobil dan klasifikasi jenis mobil yaitu model YOLOv8s. Model tersebut dilatih dengan menggunakan data gambar yang diambil dari tempat parkir luar gedung TULT Telkom University dengan jumlah data gambar yang terbatas. Hyperparameter pada model YOLOv8s kami ubah yaitu weight decay dan freeze. Nilai performa terbaik didapatkan dengan nilai weight decay 0.1 lalu melatih lagi dengn freeze 4 layer, dimana nilai mAP, F1-Score, dan kecepatan pemrosesan data gambar yaitu 99.2%, 98%, dan 1.95 milidetik secara berurutan. Namun model terbaik tersebut belum tentu baik dalam mendeteksi dan mengklasifikasi objek mobil pada data baru.
Kata kunci— Deteksi, Klasifikasi, Weight Decay, YOLOv8s.
References
M. Farda and C. Balijepalli, "Exploring the Effectiveness of Demand Management Policy in Reducing Traffic Congestion and Environmental Pollution: Car Free Day and Odd-Even Plate Measures for Bandung City in Indonesia," Case Studies on Transport Policy, vol. 6, no. 4, p. 14, 2018.
C. Biyik, Z. Allam, G. Pieri and D. Moroni, "Smart Parking Systems: Reviewing the Literature, Architecture and Ways Forward," Smart Cities, vol. 4, no. 2, pp. 623-642, 2021.
J. J. Barriga, J. Sulca, A. Ulloa, J. L. Leon, D. Portero, R. Andrade and S. G. Yoo, "Smart Parking: A Literature Review from the Technological Perspective"," Applied Sciences, vol. 9, no. 21, p. 34, 2019.
A. Fahim, M. Hasan and M. A. ChowDhury, "Smart parking systems: comprehensive review based on various aspects," Heliyon, 2021.
F. Al-Turjman and A. Malekoo, "Smart parking in IoT-enabled cities: A survey," Sustainable Cities and Society, vol. 49, p. 101608, 2019.
M. V. Peppa, D. Bell, T. Komar and W. Xiao, "Urban Traffic Flow Analysis Based on Deep Learning Car Detection from CCTV Image Series," The œ International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences/International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vols. XLII-4, pp. 499-506, 2018.
C. Yang and L. Yuchi, "Object Detection in the KITTI Dataset using YOLO and Faster R-CNN," 2023.
A. Qazzaz and M. Ahmed, "Car Detection and Features Identification Based on YOLOV5," 2022.
P. S. Krishendu and P. Mohandas, "DETR-SPP: a fine-tuned vehicle detection with transformer," Multimedia Tools and Application, vol. 83, pp. 25573-25594, 2023.
