Perpustakaan Digital ITB

Deteksi sampah menggunakan citra drone merupakan salah satu solusi yang dapat digunakan untuk mendukung pemantauan lingkungan pada wilayah yang luas. Namun, objek sampah pada citra drone seringkali berukuran kecil sehingga sulit dideteksi secara akurat oleh object detector konvensional. Penerapan strategi tiling dapat meningkatkan kemampuan deteksi objek kecil dengan membagi citra menjadi beberapa tile, tetapi menyebabkan jumlah inferensi meningkat sehingga waktu komputasi menjadi lebih lama. Permasalahan tersebut menjadi semakin penting ketika sistem dijalankan pada edge device yang memiliki keterbatasan sumber daya komputasi. Tugas akhir ini mengusulkan strategi selective tiling berbasis gate classifier untuk meningkatkan efisiensi inferensi deteksi sampah berukuran kecil pada citra drone di edge device. Strategi yang diusulkan untuk menghadapi masalah ini adalah penggunaan MobileNetV2 sebagai gate classifier untuk mengklasifikasikan setiap tile ke dalam kelas berisi atau kosong. Kemudian hanya tile yang diprediksi mengandung objek yang diteruskan ke tahap deteksi menggunakan YOLO11n. Sementara untuk tile yang kosong akan dilewati sehingga jumlah inferensi dapat dikurangi. Seluruh pengujian dilakukan menggunakan dataset UAVVaste dan diimplementasikan pada Raspberry Pi 4 sebagai representasi edge device. Hasil pengujian pada ukuran tile 1024×1024 menunjukkan bahwa strategi selective tiling mampu mengurangi jumlah tile yang diproses menjadi 43,7% dari keseluruhan tile. Pada Raspberry Pi 4, waktu inferensi rata-rata berkurang dari 20,8 detik menjadi 9,6 detik per citra. Ini setara dengan penghematan waktu sebesar 51,6% untuk kebutuhan inferensi. Selain meningkatkan efisiensi, strategi yang diusulkan juga mampu mempertahankan kinerja deteksi objek kecil, dengan nilai AP-small setara antara pendekatan full tiling (0,308) dan selective tiling (0,310). Pengujian pada ukuran tile 512 × 512 dan 2048 × 2048 turut dilakukan dan menghasilkan besaran tradeoff yang bervariasi. Hasil tersebut menunjukkan bahwa penyaringan tile menggunakan gate classifier merupakan pendekatan yang efektif untuk mengurangi beban komputasi tanpa mengorbankan kinerja deteksi objek kecil pada edge device.