SISTEM DETEKSI DAN PENCACAH KENDARAAN MENGGUNAKAN JETSON NANO DAN MODEL PRA-TERLATIH SSD MOBILENETV2
Muhammad Iqbal Santosa, Ir. Nopriadi, S.T., M.Sc., Ph.D., IPM dan Dwi Joko Suroso, S.T., M.Eng.,
2023 | Skripsi | FISIKA TEKNIK
Kemacetan lalu lintas di kota-kota besar di Indonesia telah menjadi masalah utama yang dihadapi baik oleh pemerintah maupun masyarakat. Untuk memudahkan regulasi dalam lalu lintas kendaraan, diperlukan adanya pencacah kendaraan secara otomatis. Penelitian ini bertujuan untuk mengembangkan sistem pencacahan kendaraan dengan memanfaatkan Jetson Nano dan model pra-terlatih SSD MobileNetV2.
Penelitian diawali dengan perancangan keras yang mencakup pembuatan case pada Jetson Nano. Case ini dirancang khusus untuk mengintegrasikan modul kamera, Jetson Nano, dan tripod yang digunakan dalam pengambilan data. Model yang dibuat dilatih dengan dataset dari openimagesv7, yang mencakup lima kelas kendaraan: mobil, motor, sepeda, bus, dan truk. Setelah pelatihan, model diimplementasikan pada Jetson Nano dan diuji coba pada rekaman video lalu lintas di pertigaan Jalan Pancasila dan Jalan Bhineka Tunggal Ika, Universitas Gadjah Mada.
Performansi program pencacah pada Jetson Nano menunjukkan hasil sebesar 2,54 frame per detik. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan memiliki akurasi sebesar 96,54?lam menghitung kendaraan yang melintas.
Traffic congestion in Indonesia's major cities has become a concern for both the government and the general public. To facilitate vehicular traffic regulation, an automatic vehicle counter is required. This study aims to develop a system for counting vehicles using the Jetson Nano and the pre-trained SSD MobileNetV2 model.
The research began with the hardware design which includes creating a case for the Jetson Nano. This case was specially designed to integrate the camera module, Jetson Nano, and tripod that will be used for data collection. The model was trained using the openimagesv7 dataset, which includes five vehicle classes: cars, motorcycles, bicycles, buses, and trucks. After training, the model was implemented on the Jetson Nano and tested on video footage taken at the intersection of Pancasila Street and Bhineka Tunggal Ika Street, Gadjah Mada University.
The counting program on the Jetson Nano performed at a rate of 2.54 frames per second. The research results indicate that the developed system has an accuracy of 96.54% in counting passing vehicles.
Kata Kunci : Jetson Nano, SSD MobileNetV2, pencacah kendaraan, machine learning.