Implementasi Algoritma CNN dan YOLO untuk Mendeteksi Jenis Kendaraan pada Jalan Raya

Abstract

Abstract-This research integrates the capabilities of two primary algorithms for vehicle type detection on highways, namely Convolutional Neural Network (CNN) and You Only Look Once (YOLO). The objective of this study is to assess the effectiveness of these two algorithms in recognizing various types of vehicles, including motorcycles, cars, trucks, and buses, within a road context. The research methodology involves the collection of datasets containing vehicle images, model training using CNN and YOLO architectures, and performance evaluation based on precision, recall, and F1-score metrics. The results demonstrate that the combined utilization of CNN and YOLO approaches yields a high level of accuracy in identifying vehicle types on highways. These findings hold promising applications in the development of intelligent traffic monitoring systems, traffic measurement, and the enhancement of road safety. This research makes a valuable contribution to the advancement of image processing technology and object detection in the realm of transportation

Abstrak-Penelitian ini mengkombinasikan kinerja dua algoritma utama dalam deteksi jenis kendaraan pada jalan raya, yaitu Convolutional Neural Network (CNN) dan You Only Look Once (YOLO). Tujuan dari penelitian ini ialah untuk mengetahui seberapa jauh kedua algoritma tersebut dalam mengenali berbagai kendaraan misalnya motor, mobil, truck dan bus dalam konteks jalan raya. Metode penelitian mencakup pengumpulan dataset berisi gambar-gambar kendaraan, pelatihan model menggunakan arsitektur CNN dan YOLO, serta evaluasi kinerjanya berdasarkan parameter presisi, recall dan F1-score. Hasil penelitian menunjukkan bahwa pendekatan gabungan CNN dan YOLO menghasilkan tingkat akurasi yang tinggi dalam mendeteksi jenis kendaraan pada jalan raya. Hasil ini memiliki potensi aplikasi dalam pengembangan sistem pemantauan lalu lintas cerdas, pengukuran lalu lintas, dan peningkatan keselamatan di jalan raya. Penelitian ini memberikan kontribusi positif dalam memajukan teknologi pemrosesan citra dan deteksi objek dalam konteks transportasi.