Posted inmachine learning python Tutorial

MEMBUAT SISTEM PENDETEKSI BUAH APEL

Posted inmachine learning, python, Tutorial

Tutorial mudah menggunakan Roboflow dan YOLOv8 untuk deteksi objek. Lengkap dari training sampai deteksi kamera.

Sistem ini dapat digunakan untuk berbagai keperluan, mulai dari penyortiran buah di industri pertanian, monitoring kualitas buah, hingga otomatisasi proses panen. Anda akan mempelajari cara melakukan pelatihan model, menyiapkan dataset, hingga mengintegrasikan hasilnya ke dalam sistem aplikasi sederhana.

Bagaimana Cara Membuatnya?

1. Siapkan Dataset di Roboflow

  1. Kunjungi https://roboflow.com dan login.
  2. Klik “Create New Project”, beri nama dan pilih Object Detection.
  3. Upload semua gambar yang sudah diberi label (atau bisa pakai fitur label manual di Roboflow).
  4. Setelah selesai, klik “Generate” dan pilih format YOLOv8.

2. Download Dataset untuk YOLOv8

  1. Setelah generate, klik “Download Dataset”.
  2. Pilih format YOLOv8 (PyTorch).
  3. Pada options pilih Show Download Code
  4. Lalu klik Continue

5. Ketika modal box muncul, copy URL untuk digunakan nanti di script Python

3. Training model yang sudah kita dapat dari YOLOv8

  1. Buka terminal di computer, lalu jalankan:
pip install ultralytics

2. Buat file Python (misalnya train.py) lalu isi seperti ini:

from ultralytics import YOLO

model = YOLO('yolov8n.pt')  # bisa ganti dengan 'yolov8s.pt', dst

model.train(
    data='https://universe.roboflow.com/USERNAME/PROJECT-NAME/1/data.yaml',
    epochs=50,
    imgsz=640
)

3. Ganti URL data.yaml sesuai dataset kamu dari Roboflow.

4. Setelah selesai training maka kamu akan mendapat file baru base.pt

4. Deteksi Real-Time via Kamera (Webcam)

Buat file python baru misalnya deteksi_apel.py dan masukkan codingan berikut

from ultralytics import YOLO
import cv2

model = YOLO("best.pt")  # Ganti dengan path ke model hasil training kamu

cam = cv2.VideoCapture(0)  # 0 artinya kamera laptop/webcam default

while True:
    success, frame = cam.read()
    if not success:
        print("❌ Gagal membuka kamera.")
        break

    results = model(frame)  # Deteksi objek

    for r in results:
        boxes = r.boxes.xyxy.tolist()
        for box, conf, cls in zip(boxes, r.boxes.conf, r.boxes.cls):
            x1, y1, x2, y2 = map(int, box)
            label = model.names[int(cls)]
            confidence = round(conf.item() * 100, 2)

            # Gambar kotak dan label
            cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 255, 0), 2)
            cv2.putText(
                frame,
                f"{label} ({confidence}%)",
                (x1, y1 - 10),
                cv2.FONT_HERSHEY_SIMPLEX,
                0.7,
                (255, 255, 255),
                2
            )

    cv2.imshow("Deteksi Objek", frame)

    # Tekan tombol 'q' untuk keluar
    if cv2.waitKey(1) & 0xFF == ord("q"):
        break

cam.release()
cv2.destroyAllWindows()

Tips Tambahan:

  • Pastikan file best.pt adalah hasil dari training sebelumnya.
  • Gunakan pencahayaan yang cukup agar hasil deteksi lebih akurat.
  • Jika menggunakan kamera eksternal, ubah cv2.VideoCapture(0) menjadi cv2.VideoCapture(1) atau sesuai nomor device kamu.

Sekarang kamu bisa menjalankan SISTEM PENDETEKSI BUAH APEL kamu dengan cara jalankan file python melalui terminal di direktori projek kamu, jalankan dengan code ini :

python  nama_file_python.py

🎉 Selamat! Kamu sudah berhasil membuat model deteksi objek sendiri! Sekarang waktunya eksplor lebih jauh. 🚀

Tags: