EUVIMEDEUVIMED entdecken
Crossref

Fire and Smoke Object Detection Using Mask R-CNN

Fathorazi Nur Fajri, Syaiful Syaiful, Wahyu Galih Priambodo

Jurnal Advanced Research Informatika · 2024

DOI: 10.24929/jars.v2i2.3099 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Jurnal Advanced Research Informatika, 2024. Verfasst von Fathorazi Nur Fajri und 2 weiteren Autor:innen.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Penelitian ini berfokus pada penggunaan teknologi computer vision, khususnya metode Mask R-CNN, dalam deteksi api dan asap pada kasus kebakaran hutan. Kebakaran hutan adalah masalah lingkungan yang serius, di mana metode deteksi tradisional sering terbatas oleh jangkauan visual dan kesalahan subjektif. Kami mengeksplorasi potensi teknologi computer vision sebagai solusi yang lebih efisien dan akurat. Dataset yang digunakan sebanyak 3465 gambar yang telah dianotasi dengan menggunakan roboflow. Jumlah dataset yang digunakan pada data training 2964 gambar, data validasi 854 gambar dan data testing 427 gambar. Model deteksi api dan asap menggunakan mask rcnn dengan menggunakan parameter learning rate 0.0025, image per batch 2 dan max iteration 10000. Adapun hasil yang diperolah pada average precision = 0.38 dan average recall = 0.29.

Zitieren

APA

Fajri, F. N., Syaiful, S., & Priambodo, W. G. (2024). Fire and Smoke Object Detection Using Mask R-CNN. Jurnal Advanced Research Informatika. https://doi.org/10.24929/jars.v2i2.3099

Vancouver

Fajri FN, Syaiful S, Priambodo WG. Fire and Smoke Object Detection Using Mask R-CNN. Jurnal Advanced Research Informatika. 2024. doi:10.24929/jars.v2i2.3099

BibTeX
@article{Fajri2024,
  author = {Fajri, Fathorazi Nur and Syaiful, Syaiful and Priambodo, Wahyu Galih},
  title = {Fire and Smoke Object Detection Using Mask R-CNN},
  journal = {Jurnal Advanced Research Informatika},
  year = {2024},
  doi = {10.24929/jars.v2i2.3099}
}
Kostenlos starten →