Tinjauan Algoritma Deep Learning dengan Aristektur YOLO untuk Mendeteksi Objek

Abstract

Deteksi kerusakan jalan merupakan salah satu aspek penting dalam pemeliharaan infrastruktur transportasi yang membutuhkan pendekatan efektif dan efisien. Penelitian ini menyajikan studi tentang penerapan Deep Learning menggunakan arsitektur You Only Look Once (YOLO) untuk deteksi suatu objek yaitu pada kerusakan jalan secara otomatis. Melalui analisis literatur yang sistematis dan sintesis data dari penelitian-penelitian terkait, kami menyajikan perkembangan terbaru dalam penerapan YOLO untuk deteksi objek khususnya deteksi kerusakan jalan. Temuan kami menunjukkan bahwa pendekatan ini memiliki potensi besar untuk meningkatkan efisiensi dalam pemeliharaan infraksturktur jalan dengan identifikasi dan pemantauan kerusakan secara real-time dengan akurasi yang tinggi. Hasil evaluasi model menunjukkan akurasi yang baik dalam mendeteksi berbagai jenis deteksi objek kerusakan jalan, termasuk retakan, lubang, dan deformasi lainnya. Namun, tantangan seperti variasi kondisi lingkungan dan ukuran kerusakan masih menjadi fokus penelitian di masa depan. Penelitian ini berkontribusi pada pemahaman kita tentang kemungkinan penggunaan teknologi Deep Learning berbasis YOLO dalam pemeliharaan infrastruktur jalan, dengan harapan dapat mendorong pengembangan sistem deteksi objek yang lebih cerdas dan responsif terhadap perubahan kondisi jalan.