Detail Cantuman

Kerusakan jalan raya seperti lubang merupakan masalah umum yang berdampak pada kenyamanan dan keamanan berkendara. Arsitektur Picodet merupakan arsitektur jaringan Convolutional Neural Network (CNN) yang dirancang untuk tugas deteksi objek dengan efisiensi dan akurasi yang baik pada perangkat dengan komputasi rendah. Dataset yang digunakan berasal dari Urban Digital Twins Intelligent Road Inspection (UDTIRI) dengan 1000 gambar berlubang. Konfigurasi yang digunakan pada penelitian ini menggunakan backbone ESNET dan LCNET yang terdiri dari Picodet L 640, Picodet M 416, Picodet S 416 dan Picodet S 320. Hasil uji validasi menggunakan coco evaluator dimana parameter terkecil 0,962M didapatkan pada model Picodet S 320 ESNET dengan mAP (0.5:0.95) sekitar 45%, mAP (0.5) sekitar 75%, flops 4,272G dan 100+ fps pada google collab GPU T4. Pada skenario pengujian model Picodet S 320 ESNET mendapatkan nilai accuracy sekitar 70%, precision sekitar 86%, recall 78% dan f1-score sekitar 81%. Berdasarkan hasil penelitian ini, arsitektur picodet dapat menerapkan dataset UDTIRI untuk mendeteksi lubang pada jalan raya.