Aerial Object Detection pada Pipa dan Perlengkapan Tertutup untuk Inspeksi Galangan Menggunakan YOLOv8

Leonarto, William Alexander Garcia (2024) Aerial Object Detection pada Pipa dan Perlengkapan Tertutup untuk Inspeksi Galangan Menggunakan YOLOv8. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5018201053-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (4MB) | Request a copy

Abstract

Computer Vision sangat penting untuk berbagai teknologi mulai dari mobil tanpa pengemudi, digitalisasi kapal, kapal otonom, dan berbagai kegiatan lainnya. Secara khusus, Inspeksi telah menjadi tindakan yang tidak produktif dan tidak aman. Oleh karena itu, memanfaatkan visi komputer untuk mendeteksi objek dan memberi label pada objek yang dilacak sangat dibutuhkan. Makalah ini membahas pengembangan deteksi objek dalam inspeksi galangan kapal menggunakan YOLOv8. Proses yang melibatkan pelabelan berbagai dataset dari foto yang diambil dari udara, dan melatihnya dengan algoritma optimasi, jika hasilnya di bawah rata-rata mAP <0.5, memperbaiki dataset atau menambahkan augmentasi jika perlu. Makalah ini mengotomatiskan hyperparameter menggunakan optimasi Bayesian. Hasilnya dengan hanya 161 gambar yang dijalankan dengan CUDA toolkit 12.8 adalah mAP yang biasa-biasa saja yaitu 0,67 dari 1. Meskipun dari hasil ini, penerapannya masih jauh dari selesai, tetapi jalurnya memungkinkan.
=================================================================================================================================
Computer vision is essential for wide range technology from self-driving car, ship digitalization, autonomous vessel, and range of other activities. Specially, Inspection has become an unproductive action and unsafe. Therefore a, leveraging computer vision to detect object and label the tracked object is highly demanded. This paper discusses the development of object detection in shipyard inspection using YOLOv8. The process involving labelling range of dataset of aerial taken photos, and train them under optimization algorithm, if the results are below the average of mAP<0.5, fixing the dataset or added augmentation if necessary. This paper automates the hyperparameter using Bayesian optimization. The results with only 161 images run with CUDA toolkit 12.8 are mediocre mAP of 0.67 out of 1. Although from these results, the deployment is far from the finish, but the path is possible.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Computer Vision, Deep Learning, Object Detection, Perlengkapan, YOLOv8, Computer Vision, Outfitting
Subjects:	V Naval Science > VM Naval architecture. Shipbuilding. Marine engineering > VM298.5 Shipbuilding industri. Shipyards
Divisions:	Faculty of Marine Technology (MARTECH) > Naval Architecture and Shipbuilding Engineering > 36201-(S1) Undergraduate Thesis
Depositing User:	William Alexander Garcia Leonarto
Date Deposited:	16 Aug 2024 03:34
Last Modified:	16 Aug 2024 03:34
URI:	http://repository.its.ac.id/id/eprint/113731

Actions (login required)

View Item