Deteksi Helm Keselamatan Menggunakan Jetson Nano dan YOLOv7
I will put the dimension here
Abstract
Increasing awareness of the importance of head personal protective equipment in industrial and construction environments has become a major concern in efforts to improve occupational safety. This research developed an early detection system for the use of computer vision-based head protective equipment using the YOLOv7 model and the Jetson Nano controller. The YOLOv7 algorithm was chosen for its ability for fast and accurate object detection. The YOLOv7 model was trained with a total dataset of 2799 images and iterations of 100 epochs to detect head personal protective equipment with a high degree of accuracy. The system captures imagery, activates a warning alarm, and sends a notification to Telegram when a violation occurs on an object that is not wearing a safety helmet. The test results using the confusion matrix method showed that the developed system was able to detect head personal protective equipment with an accuracy rate of 97.23%, which shows the system's ability to recognize personal protective equipment with very high accuracy. In addition, the system also showed a precision value of 98.71% indicating that all detections performed were correct, and a recall of 95.63% which describes the system's ability to recognize most of the head personal protective equipment available. The average FPS result using GPU with CUDA on Jetson Nano reached 5,723 FPS.
Downloads
References
D. Nuraeni and P. Hargiyarto, “Pemahaman Penggunaan Alat Pelindung Diri (APD) dan Sikap Keselamatan dan Kesehatan Kerja (K3) Terhadap Perilaku K3 di Bengkel Bubut,” J. Pendidik. Vokasional Tek. Mesin, vol. 7, no. 3, pp. 195–202, 2019.
M. E. Laily, F. Nur, and G. Q. O. Pratamasunu, “Deteksi Penggunaan Alat Pelindung Diri ( APD ) Untuk Keselamatan dan Kesehatan Kerja Menggunakan Metode Mask Region Convolutional Neural Network ( Mask R-CNN ),” J. Komput. Terap., vol. 8, no. 2, 2022, [Online]. Available: https://jurnal.pcr.ac.id/index.php/jkt/
F. Edigan, L. R. Purnama Sari, and R. Amalia, “Hubungan Antara Perilaku Keselamatan Kerja Terhadap Penggunaan Alat Pelindung Diri (APD) Pada Karyawan PT Surya Agrolika Reksa Di Sei. Basau,” J. Saintis, vol. 19, no. 02, p. 61, 2019, doi: 10.25299/saintis.2019.vol19(02).3741.
A. Septianto and A. R. Wardhani, “Penerapan Analisis Resiko Terhadap Kesehatan Dan Keselamatan Kerja(K3) Pada Pt. X,” J. Apl. Dan Inov. Ipteks “Soliditas,” vol. 3, no. 1, p. 7, 2020, doi: 10.31328/js.v3i1.1385.
R. Ac, “Real Time Object Detection System with YOLO and CNN Models : A Review,” no. July, 2022, doi: 10.37896/JXAT14.07/315415.
C.-Y. Wang, A. Bochkovskiy, and H.-Y. M. Liao, “YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors,” pp. 1–17, 2022, [Online]. Available: http://arxiv.org/abs/2207.02696
T. Peng, D. Zhang, R. Liu, V. K. Asari, and J. S. Loomis, “Evaluating the Power Efficiency of Visual SLAM on Embedded GPU Systems,” Proc. IEEE Natl. Aerosp. Electron. Conf. NAECON, vol. 2019-July, pp. 117–121, 2019, doi: 10.1109/NAECON46414.2019.9058059.
M. Hatami, F. Nurapriani, W. Andriani, U. Buana, P. Karawang, and S. B. Saleh, “Deteksi Helmet Dan Vest Keselamatan Secara Realtime Menggunakan Metode Yolo Berbasis Web FLASK,” vol. 10, no. 1, pp. 221–233, 2023.
P. Wen, M. Tong, Z. D. B, and Q. Qin, Method Based on YOLOv3, vol. 1, no. 2019. Springer International Publishing, 2020. doi: 10.1007/978-3-030-57884-8.
D. Benyang, L. Xiaochun, and Y. Miao, “Safety helmet detection method based on YOLO v4,” pp. 155–158, 2020, doi: 10.1109/CIS52066.2020.00041.
Z. P. Xu, Y. Zhang, J. Cheng, and G. Ge, “Safety Helmet Wearing Detection Based on YOLOv5 of Attention Mechanism,” 2022, doi: 10.1088/1742-6596/2213/1/012038.
F. Zhou, H. Zhao, and Z. Nie, “Safety Helmet Detection Based on YOLOv5,” in 2021 IEEE International Conference on Power Electronics, Computer Applications (ICPECA), Jan. 2021, pp. 6–11. doi: 10.1109/ICPECA51329.2021.9362711.
F. Fitriansyah and Aryadillah, “Penggunaan Telegram Sebagai Media Komunikasi Dalam Pembelajaran Online,” J. Hum. Bina Sarana Inform., vol. 20, no. Cakrawala-Jurnal Humaniora, p. 113, 2020, [Online]. Available: http://ejournal.bsi.ac.id/ejurnal/index.php/cakrawala
C. Tristianto, “Penggunaan Metode Waterfall Untuk Pengembangan Sistem Monitoring Dan Evaluasi Pembangunan Pedesaan,” J. Teknol. Inf. ESIT, vol. XII, no. 01, pp. 7–21, 2018, [Online]. Available: http://openjournal.unpam.ac.id/index.php/ESIT/article/view/18174/9335
S. Jupiyandi, F. R. Saniputra, Y. Pratama, M. R. Dharmawan, and I. Cholissodin, “Pengembangan Deteksi Citra Mobil Untuk Mengetahui Jumlah Tempat Parkir Menggunakan CUDA Dan Modified YOLO,” J. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 4, pp. 413–419, 2019, doi: 10.25126/jtiik.201961275.
A. Pamuji, “Prediksi Otorisasi Pengguna Sistem Berkas pada Algoritma Klasifikasi dengan Teknik Naïve Bayes,” Infomatek, vol. 24, no. 1, pp. 35–44, 2022, doi: 10.23969/infomatek.v24i1.4604.
Karsito and S. Susanti, “Klasifikasi Kelayakan Peserta Pengajuan Kredit Rumah Dengan Algoritma Naïve Bayes Di Perumahan Azzura Residencia,” J. Teknol. Pelita Bangsa, vol. 9, pp. 43–48, 2019.
Copyright (c) 2024 Hadi Supriyanto, Sarosa Castrena Abadi, Aliffa Shalsabilah
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Pernyataan Hak Cipta dan Lisensi
Dengan mengirimkan manuskrip ke Journal of Applied Computer Science and Technology (JACOST), penulis setuju dengan kebijakan ini. Tidak diperlukan persetujuan dokumen khusus.
- Hak cipta pada setiap artikel adalah milik penulis.
- Penulis mempertahankan semua hak mereka atas karya yang diterbitkan, tak terbatas pada hak-hak yang diatur dalam laman ini.
- Penulis mengakui bahwa Journal of Applied Computer Science and Technology (JACOST) sebagai yang pertama kali mempublikasikan dengan lisensi Creative Commons Atribusi 4.0 Internasional (CC BY-SA).
- Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif dari naskah yang telah terbit di jurnal ini kedalam versi yang lain (misal: dikirim ke respository institusi penulis, publikasi kedalam buku, dll), dengan mengakui bahwa naskah telah terbit pertama kali pada Journal of Applied Computer Science and Technology (JACOST);
- Penulis menjamin bahwa artikel asli, ditulis oleh penulis yang disebutkan, belum pernah dipublikasikan sebelumnya, tidak mengandung pernyataan yang melanggar hukum, tidak melanggar hak orang lain, tunduk pada hak cipta yang secara eksklusif dipegang oleh penulis.
- Jika artikel dipersiapkan bersama oleh lebih dari satu penulis, setiap penulis yang mengirimkan naskah menjamin bahwa dia telah diberi wewenang oleh semua penulis bersama untuk menyetujui hak cipta dan pemberitahuan lisensi (perjanjian) atas nama mereka, dan setuju untuk memberi tahu rekan penulis persyaratan kebijakan ini. Journal of Applied Computer Science and Technology (JACOST) tidak akan dimintai pertanggungjawaban atas apa pun yang mungkin timbul karena perselisihan internal penulis.
Lisensi :
Journal of Applied Computer Science and Technology (JACOST) diterbitkan berdasarkan ketentuan Lisensi Creative Commons Atribusi 4.0 Internasional (CC BY-SA). Lisensi ini mengizinkan setiap orang untuk :.
- Berbagi — menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun;
- Adaptasi — menggubah, mengubah, dan membuat turunan dari materi ini untuk kepentingan apapun.
Lisensi :
-
Atribusi — Anda harus mencantumkan nama yang sesuai, mencantumkan tautan terhadap lisensi, dan menyatakan bahwa telah ada perubahan yang dilakukan. Anda dapat melakukan hal ini dengan cara yang sesuai, namun tidak mengisyaratkan bahwa pemberi lisensi mendukung Anda atau penggunaan Anda.
-
BerbagiSerupa — Apabila Anda menggubah, mengubah, atau membuat turunan dari materi ini, Anda harus menyebarluaskan kontribusi Anda di bawah lisensi yang sama dengan materi asli.
