Deteksi Landing Pad pada Unmanned Aerial Vehicle (UAV) Menggunakan YOLO

Abstract

Teknologi robot terbang di Indonesia telah mengalami kemajuan yang signifikan, terbukti dengan penyelenggaraan Kontes Robot Terbang Indonesia (KRTI) setiap tahun. Salah satu kategori yang dilombakan adalah VTOL (Vertical Take-off and Landing) dengan salah satu misinya pendaratan secara otonom yang mengharuskan multicopter mampu mendeteksi lokasi landing dengan tepat. Oleh karena itu, diperlukan pengembangan sistem computer vision untuk mendeteksi objek landing pad dengan keakuratan yang tinggi, sehingga multicopter mampu melakukan misi selanjutnya dengan baik. Penelitian ini menggunakan sebuah UAV Multicopter yang dilengkapi dengan webcam Logitech C920 sebagai platform computer vision. Metode deteksi yang diterapkan adalah YOLO Darknet, sebuah pendekatan yang menggunakan deep learning. Model YOLO yang digunakan adalah YOLOv3 Tiny, dan proses pelatihan melibatkan framework Darknet. Selama tahap pelatihan, didapatkan nilai average loss sebesar 0,0609 dan mean Average Precision (mAP) sebesar 99,4%. Selama pengujian jaringan, sistem berhasil mendeteksi objek dengan label "landing pad" dan menampilkan bounding box serta nilai confidence pada frame gambar yang dihasilkan. Pada pengujian menggunakan validation set menggunakan 200 gambar sebagai test set didapatkan nilai peforma jaringan dengan rata-rata nilai accuracy sebesar 0.95, precision 0.98, recall 0.96, dan F1-score sebesar 0.96.

Kata Kunci: UAV, multicopter, computer vision, deteksi objek, YOLO, darknet