Analisa Kelayakan Modul Esp32 Sebagai Kamera untuk Pengenalan Objek Sehari-hari
DOI:
https://doi.org/10.52435/complete.v3i2.263Keywords:
ESP32, Object DetectionAbstract
Pengenalan objek atau Object Recognition adalah salah satu perkembangan teknologi AI yg penting dan sangat berguna untuk kehidupan sehari-hari. Dapat digunakan sebagai alat keamanan dan investigasi kejahatan, serta system dalam robot otonom. Contohnya adalah penggunaannya dalam robot penyortir sampah, Kamera pengawas penggunaan masker di China, dan mobil self-driving milik Testla yang menggunakan Object Recognition untuk mengenali lampu merah, obstruksi jalanan serta pejalan kaki. Pengenalan objek membutuhkan sebuah kamera yang dapat menangkap gambar yang akan diproses algoritma. Dikarenakan biaya yang cukup murah serta dapat mengirimkan data menggunakan LAN (Local Area Network), modul kamera ESP32 dipilih sebagai kandidat yang berpotensi dalam kegiatan Object Recognition. ESP32 adalah serangkaian sistem modul kamera yang murah dan berdaya rendah yang terintegrasi dengan mikrokontroler,Wi-Fi (wireless fidelity) dan Bluetooth dual-model dalam satu board[3]. Modul ESP32 yang digunakan dalam kegiatan ini menggunakan kamera OV-2460.
References
H. Fitri dan dan Ivan Finiel Hotmartua Bagariang, “PEMANFAATAN ESP32-CAM UNTUK MENGUKUR KETINGGIAN AIR MENGGUNAKAN METODE IMAGE PROCESSING,” Seminar Nasional Terapan Riset Inovatif (SENTRINOV) Ke-6 ISAS Publishing Series: Engineering and Science, vol. 6, no. 1, 2020.
V. Wiley dan T. Lucas, “Computer Vision and Image Processing: A Paper Review,” International Journal of Artificial Intelligence Research, vol. 2, no. 1, hlm. 22, Jun 2018, doi: 10.29099/ijair.v2i1.42.
Z. Z. Jin dan Y. F. Zheng, “Research on application of improved YOLO V3 algorithm in road target detection,” dalam Journal of Physics: Conference Series, Okt 2020, vol. 1654, no. 1. doi: 10.1088/1742- 6596/1654/1/012060.
S. N. Srivatsa, “Object Detection using Deep Learning with OpenCV and Python,” International Research Journal of Engineering and Technology, 2021, [Daring]. Available: www.irjet.net
R. B. Salikhov, V. K. Abdrakhmanov, dan I. N. Safargalin, “Internet of things (IoT) security alarms on ESP32-CAM,” dalam Journal of Physics: Conference Series, Nov 2021, vol. 2096, no. 1. doi: 10.1088/1742-6596/2096/1/012109.
A. Sharma, F. Khan, D. Sharma, S. Gupta, dan F. Y. Student, “Python: The Programming Language of Future,” 2020.
T. Bezdan dan N. Bacanin Dzakula, “Convolutional Neural Network Layers and Architectures,” Mei 2019, hlm. 445–451. doi: 10.15308/sinteza-2019-445-451.
J. Li, A. Hassani, S. Walton, dan H. Shi, “ConvMLP: Hierarchical Convolutional MLPs for Vision,” Sep 2021, [Daring]. Available: http://arxiv.org/abs/2109.04454
J. Redmon dan A. Farhadi, “YOLOv3: An Incremental Improvement.” [Daring]. Available: https://pjreddie.com/yolo/.
Q. Aini, N. Lutfiani, H. Kusumah, dan M. S. Zahran, “DETEKSI DAN PENGENALAN OBJEK DENGAN MODEL MACHINE LEARNING: MODEL YOLO,” 2021.
A. Vidyavani, K. Dheeraj, M. Rama Mohan Reddy, dan K. N. Kumar, “Object detection method based on YOLOv3 using deep learning networks,” International Journal of Innovative Technology and Exploring Engineering, vol. 9, no. 1, hlm. 1414–1417, Nov 2019, doi: 10.35940/ijitee.A4121.119119.
S. Wang, “Research towards Yolo-Series Algorithms: Comparison and Analysis of Object Detection Models for Real-Time UAV Applications,” dalam Journal of Physics: Conference Series, Jun 2021, vol. 1948, no. 1. doi: 10.1088/1742-6596/1948/1/012021.
Downloads
Published
Issue
Section
License
Copyright (c) 2022 ALIFO NOERIFANZA
This work is licensed under a Creative Commons Attribution 4.0 International License.
