Jasa Skripsi Tesis Disertasi Python YOLO ~ Penerapan YOLO untuk Deteksi Plat Nomor Kendaraan di Gerbang Masuk

Berikut adalah silabus 10 sesi (@1,5 jam) untuk kursus dengan topik:
“Penerapan YOLO untuk Deteksi Plat Nomor Kendaraan di Gerbang Masuk”
Silabus ini dirancang untuk memandu peserta dari pemahaman dasar deteksi objek hingga membangun sistem YOLO yang dapat mendeteksi plat nomor kendaraan secara real-time di area gerbang.

Silabus 10 Sesi (Total 15 Jam)

Sesi 1: Pengenalan Deteksi Objek dan YOLO

• Konsep deteksi objek dan perbedaan dengan klasifikasi citra

• Sejarah dan evolusi YOLO (v1 hingga v8)

• Studi kasus: aplikasi YOLO dalam deteksi kendaraan

• Instalasi lingkungan: Python, Jupyter, OpenCV, YOLOv5

• Tugas: Menyiapkan lingkungan kerja

Sesi 2: Dataset dan Anotasi Plat Nomor

• Format dataset untuk YOLO (format .txt, .jpg)

• Sumber dataset: OpenALPR, Kaggle, atau dataset lokal

• Tool anotasi: LabelImg, Roboflow, Makesense.ai

• Praktik langsung anotasi dataset plat nomor

• Tugas: Anotasi minimal 50 gambar kendaraan

Sesi 3: Arsitektur YOLO dan Parameter Penting

• Penjelasan arsitektur dasar YOLO (CNN backbone, head, anchor box)

• Pengenalan anchor box dan bounding box regression

• Parameter penting dalam konfigurasi YOLO: batch size, epochs, lr, dll

• Tugas: Analisis file config YOLOv5 (data.yaml, train.py, hyp.yaml)

Sesi 4: Training YOLOv5 untuk Deteksi Plat Nomor

• Persiapan folder dataset (train/test/images & labels)

• Pelatihan model YOLOv5 dengan dataset plat nomor

• Monitoring loss dan metrics (Precision, Recall, mAP)

• Tugas: Lakukan training dengan minimal 50 epoch

Sesi 5: Evaluasi Model dan Pengujian

• Visualisasi hasil deteksi (bounding box dan confidence)

• Evaluasi performa model (Precision, Recall, F1, mAP)

• Interpretasi output dari runs/train/exp/

• Tugas: Dokumentasikan hasil evaluasi model

Sesi 6: Optimasi Model dan Augmentasi Data

• Teknik augmentasi: flip, crop, blur, brightness

• Hyperparameter tuning dasar

• Transfer learning dari pretrained model

• Tugas: Bandingkan hasil model dengan dan tanpa augmentasi

Sesi 7: Implementasi Deteksi Realtime dengan Webcam/CCTV

• Kode deteksi plat nomor menggunakan kamera webcam

• Deteksi real-time menggunakan OpenCV

• Konfigurasi frame per second (FPS) dan display bounding box

• Tugas: Buat sistem deteksi plat nomor realtime

Sesi 8: Ekstraksi Teks Plat Nomor (OCR)

• Pengenalan OCR (Tesseract vs EasyOCR)

• Ekstraksi teks dari bounding box hasil YOLO

• Implementasi alur YOLO → Crop → OCR

• Tugas: Ekstrak teks plat nomor dan simpan hasilnya dalam file .csv

Sesi 9: Integrasi Sistem di Lingkungan Gerbang Masuk

• Simulasi sistem masuk kendaraan berbasis deteksi plat

• Menyimpan data hasil deteksi ke database atau Excel

• Trigger logika buka palang otomatis (simulasi)

• Tugas: Bangun pipeline YOLO + OCR + logika akses gerbang

Sesi 10: Uji Coba Sistem dan Presentasi Proyek

• Uji coba sistem dengan video kendaraan masuk

• Identifikasi kesalahan deteksi dan false positive

• Presentasi mini-proyek dari peserta

• Sesi diskusi dan troubleshooting akhir

Output Akhir:

Peserta dapat membuat sistem deteksi plat nomor kendaraan real-time berbasis YOLOv5 + OCR yang mampu:

• Mendeteksi plat nomor dari video kamera

• Membaca teks plat nomor

• Menyimpan log kendaraan ke file atau database

• (Opsional) Mengontrol sistem akses otomatis