Artificial Intelligence - Jurnal Computer Vision

Nama      : Malik Bayu Aji    

NIM        : 19.01.013.007

Dosen Pengampu : Herfandi, A.Md., S.Kom., M.Kom.

Review jurnal pada bidang Artificial Intelligence dengan konsentrasi Computer Vision.

NO	Judul Penelitian (Journal)	Metode Yang di Gunakan	Kekurangan aplikasi / metode	Kelebihan Aplikasi metode	Hasil Penelitian
1	An Asphalt Damage Dataset and Detection System Based on RetinaNet for Road Conditions Assessment	Action Research	Aplikasi : Untuk mendeteksi jalan rusak, kendaraan yang digunakan untuk mounting camera harus berjalan pelan agar tidak menimbulkan duplikasi gambar, dan lebih jelas.	Mampu mendeteksi jalan rusak maupun berlubang dengan tingkat akurasi lebih baik dibandingkan RetinaNet.	Aplikasi yang mampu mendeteksi jalan rusak berdasarkan dataset yang telah ada sebelumnya. Menggunakan Machine Learning, aplikasi yang ditautkan pada kamera yang ada mampu mendeteksi jalan rusak dengan sendirinya.
2	A Real-Time Chinese Traffic Sign Detection Algorithm Based on Modified YOLOv2	Action Research	Algoritma : Tingkat akurasi mendeteksi rambu rambu antara 94-97% (untuk rambu rambu larangan, petunjuk, dan bahaya memiliki tingkat keakurasian berbeda beda)	Reaksi yang dibutuhkan untuk mendeteksi rambu rambu hanya 0.017 detik, lebih cepat 90-300% dibandingkan algoritma lainnya	Algoritma YOLOv2 pendeteksi rambu rambu lalu lintas yang telah dimodifikasi.
3.	Sorghum Panicle Detection and Counting Using Unmanned Aerial System Images and Deep Learning	Machine Learning With Neural Network	Algoritma pendeteksi tanaman Sorgum ini tidak stabil jika gambar sampel untuk machine learning kurang dari 500.	Algoritma pendeteksi tanaman Sorgum ini mampu mendeteksi Sorgum lainnya yang tertutupi, dimana ini dapat meningkatkan efisiensi perkembangan dan akurasi perkiraan waktu panen.	Algoritma ini digunakan pada drone UAV dengan mounting kamera untuk mendeteksi tanaman Sorgum. Dimana datanya dapat digunakan untuk mengestimasi waktu panen dan banyaknya hasil panen

 

Link Jurnal via DOAJ ( Directory of Open Access Journal)

1. An Asphalt Damage Dataset and Detection System Based on RetinaNet for Road Conditions Assessment 

2. A Real-Time Chinese Traffic Sign Detection Algorithm Based on Modified YOLOv2 

3. Sorghum Panicle Detection and Counting Using Unmanned Aerial System Images and Deep Learning