Penerapan asisten shopping berbasis robotik dengan solusi transformatif untuk meningkatkan pengalaman berbelanja sedang marak dilakukan. Algoritma deteksi objek berbasis You Only Look Once (YOLO) yang diusulkan untuk memenuhi kebutuhan lingkungan belanja secara online dan tepat sasaran. Penelitian ini memanfaatkan algoritma YOLOv8n yang ditingkatkan dengan dengan struktur inovatif untuk mengatasi tantangan deteksi objek pada kondisi yang kompleks.
Algoritma tersebut mengintegrasikan modul perhatian C2f-ParNet pada arsitektur YOLOv8n untuk meningkatkan kemampuan pemodelan fitur non-linear. Di sisi lain, modul Channel-wise Attention Recurrent Feature Extraction (CARAFE) diterapkan pada jaringan neck untuk mengoptimalkan penggabungan fitur target. Kombinasi ini memungkinkan model untuk mendeteksi objek dengan akurasi lebih tinggi, bahkan dalam kondisi seperti penumpukan objek, kemiripan warna, atau buram akibat gerakan. Penelitian tersebut juga menggunakan fungsi WIoUv3 (Wise Intersection over Union) untuk meningkatkan akurasi prediksi. Implementasi metrik memberikan hasil yang lebih baik dalam menyelaraskan bounding box prediksi pada data nyata dan sangat berguna untuk mendeteksi objek yang overlap atau berukuran kecil.
Pengujian algoritma menunjukkan peningkatan signifikan dalam akurasi dan efisiensi deteksi objek. Algoritma mencapai mean average precision batas 50% (mAP@50) sebesar 65,9%. Hasil tersebut memiliki hasil 5,9% lebih tinggi dibandingkan YOLOv8n standar. Selain itu, algoritma Hasil F1 sebesar 63,5% memiliki kecepatan pengolahan 106,5 FPS (frame per detik) sehingga metode yang diterapkan cocok untuk diaplikasikan dalam waktu nyata. Melalui eksperimen ablation ditemukan bahwa setiap komponen baru memberikan kontribusi signifikan terhadap kinerja model secara keseluruhan. Contohnya, modul CARAFE meningkatkan mAP hingga 2,5%, sedangkan integrasi modul C2f-ParNet menambah peningkatan sebesar 3,3%.
Tantangan algoritma tersebut adalah menyederhanakan kompleksitas network untuk meningkatkan efisiensi penyimpanan dan implementasi di perangkat keras robot yang akan diimplementasikan. Penelitian lanjutan diusulkan untuk mengintegrasikan algoritma ke dalam robot belanja yang beroperasi di lingkungan dinamis. Teknologi ini juga dapat diterapkan pada berbagai sektor lain seperti inspeksi industri, kendaraan otonom, dan analisis video waktu nyata. Dengan peningkatan lebih lanjut, algoritma ini menjanjikan revolusi dalam teknologi visi komputer untuk berbagai aplikasi komersial.
Penulis: Dr. Maryamah, S.Kom.
Link:
Baca juga: Pengalaman dan Kebahagiaan Autentik dalam Halal Luxury Fashion
