Implementasi Proof-of-Concept Sistem Visi Komputer Berbasis Yolo11n Pada Autonomous Quadcopter untuk Misi Terbang Pendeteksian Manusia

Source abstract

Perkembangan quadcopter membuka peluang untuk mendukung misi pencarian dan penyelamatan karena mampu menjangkau area yang sulit dan berisiko bagi manusia. Penelitian ini bertujuan merancang dan mengevaluasi proof-of-concept sistem autonomous quadcopter yang terintegrasi dengan sistem visi komputer untuk mendeteksi manusia menggunakan algoritma You Only Look Once(YOLO). Sistem menggunakan DJI F450 konfigurasi X, flight controller Pixhawk 2.4.8, Mission Planner sebagai Ground Control Station (GCS), dan Raspberry Pi 5 sebagai unit komputasi. Deteksi manusia dilakukan menggunakan model YOLO11n pretrainedCOCO dalam format NCNN, sedangkan OpenCV digunakan untuk akuisisi, pemrosesan, dan visualisasi frame. Pengujian meliputi penerbangan manual, penyetelan PID, waypoint, autonomous takeoff-landing, uji statis, dan misi deteksi manusia. Pada satu skenario misi terbang dengan satu target manusia diam pada ketinggian 3 m dan kecepatan 0,3 m/s, quadcopter mencapai ketinggian aktual rata-rata 2,76 m dan kecepatan 0,34 m/s selama 70 detik. Hasil pendeteksian menunjukkan rata-rata confidence score 90,55%, recall86,52%, precision 99,18%, FPS log sebesar 12,47, dan overall throughput 11,14 FPS. Hasil ini menunjukkan fungsi dasar sistem berhasil dijalankan, tetapi belum menggambarkan kinerja pada variasi target, lingkungan, pencahayaan, ketinggian, dan kondisi gerak.