Rancang Bangun Sistem Peringatan Area Berbahaya bagi Penyandang Tunanetra dengan YOLO Object Detection

Putri, Karina Adi (2023) Rancang Bangun Sistem Peringatan Area Berbahaya bagi Penyandang Tunanetra dengan YOLO Object Detection. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07111940000140-Udergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (6MB) | Request a copy

Abstract

Tunanetra merupakan istilah bagi seseorang dengan gangguan penglihatan, buta total atau penglihatan terbatas. Akibat dari gangguan penglihatan ini, seorang penyandang tunanetra memiliki keterbatasan dalam aktivitas sehari-hari, seperti kesulitan dalam mengidentifikasi lingkungan sekitar. Kesulitan mengidentifikasi lingkungan sekitar dapat meningkatkan risiko terjadinya bahaya bagi penyandang tunananetra. Maka dari itu, untuk mempermudah mobilitas penyandang tunanetra, dirancanglah sebuah sistem yang berfungsi untuk memperingatkan penyandang tunanetra apabila mendekati atau berada pada area yang berbahaya. Area berbahaya yang dimaksud adalah seperti ruangan dengan peralatan tegangan tinggi, area dengan ketinggian tertentu, area tangga, area dalam pembangunan, dan area lainnya dengan risiko bahaya. Sistem yang dirancang tersusun oleh Raspberry Pi 4B, Logitech C270 HD, dan speaker. Sistem bekerja dengan mendeteksi keberadaan penyandang tunanetra dan apabila terdapat penyandang tunanetra pada jarak 4 meter hingga 2 meter, maka akan memberikan suara peringatan. Untuk dapat mendeteksi penyandang tunanetra, digunakan metode deteksi objek dengan menggunakan model YOLOv6-nano dan YOLOv6Lite-Small. Metode estimasi jarak sistem menggunakan regresi bounding box dari objek yang terdeteksi. Hasilnya, model YOLOv6-nano mencapai nilai mAP sebesar 82% sedangkan model YOLOv6Lite-Small mencapai nilai mAP sebesar 69%. Ketika dijalankan pada Raspberry Pi 4B, nilai latensi yang dicapai oleh model YOLOv6-nano adalah 2400ms dan nilai latensi yang dicapai oleh model YOLOv6Lite-Small adalah 280ms. Sehingga, dengan melihat lama latensi dari masing-masing model, yang lebih cocok digunakan untuk deteksi real time adalah dengan model YOLOv6Lite-S. Meskipun metode regresi linear bounding box estimasi jarak memiliki eror, sistem peringatan yang dirancang berhasil memberikan peringatan kepada penyandang tunanetra dalam range jarak 4 meter hingga 2 meter.
================================================================================================================================
Visual impairment is a condition which a person has difficulties or limitations in their vision, including someone with partial vision loss to total blindness. As a result of being visually impaired, a blind person has limitations in daily activities such as difficulty in identifying the surrounding environment which can increase the risk of danger. Therefore, to ease someone with visual impairment, a system is designed to warn people with visual impairment when they approach or in a dangerous area. Dangerous area is such as an area with certain height, staircases area, area under construction, and other area with risk of danger. The system is composed of Raspberry Pi 4B, Logitech C270HD, and a speaker. The system works by detecting walking people and if a blind person is detected, at the distance of 4 meters to 2 meters, the system will give a sound warning. To be able detect blind people, system uses object detection method with YOLOv6-nano and YOLOv6Lite-Small models and bounding box regression is used to estimate the distance. The results shows that YOLOv6-nano model achieved higher mAP value of 82% than YOLOv6Lite-Small model, which achieved mAP value of 69%. While each model is performed in Raspberry Pi 4B, the latency value reached 2400ms with YOLOv6-nano and 280ms with YOLOv6Lite-Small. Based on the latency of each model, YOLOv6Lite-Small is more suitable for real time detection. With the distance estimation method based on the bounding box regression, system can still provide warnings at range of 4 to 2 meters even the estimation method has errors.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Object detection, Raspberry Pi, sistem peringatan, tunanetra, YOLO, warning system, visually impaired
Subjects:	T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5105.546 Computer algorithms
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20201-(S1) Undergraduate Thesis
Depositing User:	Karina Adi Putri
Date Deposited:	24 Jul 2023 03:26
Last Modified:	24 Jul 2023 03:26
URI:	http://repository.its.ac.id/id/eprint/99057

Actions (login required)

View Item