Deteksi Lobster Menggunakan teknik StrongSORT pada YOLOv7

Abstrak

Melakukan object-tracking dengan mempunyai akurasi dan performa yang tinggi merupakan hal penting dalam penerapan pemantauan pada deep learning yang diterapkan pada sebagai automatic driving, and intelligent monitoring salah satunya adalah lobster monitoring. Dalam mencapai hal tersebut diperlukan beberapa penelitian yang digabungkan menjadi satu dari mulai object-detection, dan object-tracking. Saat ini, dalam halnya object-detection ada beberapa algoritma yang sangat cukup popular salah satunya adalah yaitu YOLO dengan memiliki akurasi, dan kecepatan deteksi yang tinggi. Dengan berkembangnya zaman YOLO dilakukan peningkatan dengan menghasilkan YOLOv7 yang sangat canggih dari YOLO versi lainya, dengan memiliki akurasi tertinggi yaitu 56.8% dan 30 FPS. Maka dari itu YOLOv7 layak untuk diterapkan dalam object-detection yang akan digabungkan dengan StrongSORT. StrongSORT adalah object-tracking yang sangat kuat saat ini dengan meningkatkan beberapa sitem pada DeepSORT. Dengan menggabungkan dua sistem deep learning menjadi satu dan dilakukan pelatihan pada dataset lobster menghasilkan frame per second ( FPS ) diatas 4, dari penguji cobaan pada data percobaan didapatkan precision sebesar 0.90, recall mendapatkan nilai 0.81, [email protected] yang mencapai 0.87 dan untuk [email protected] tertinggi 0.44. Dari hasil yang didapatkan dapat disimpulkan bahwa sistem memenuhi syarat yang dapat dikatakan real-time object detection, dan object tracking.

Kata kunci— object-detection, StrongSORT, YOLOv7, object-tracking