Baru Jelajahi project AI & Machine Learning siap pakai lengkap dengan full source code dan tutorial instalasi!
Beranda Katalog Project Tentang Kami Kontak Kami
Silakan masuk ke akun Anda terlebih dahulu untuk membaca dokumentasi project ini.
Deteksi Kondisi Permukaan Kayu Menggunakan YOLO Berbasis Deep Learning Dan Flutter App
Deteksi Kondisi Permukaan Kayu Menggunakan YOLO Berbasis Deep Learning Dan Flutter App
Computer Vision Tingkat: Advanced Versi 1.0.0 40 Dilihat
5.0 (0 ulasan)

Deteksi Kondisi Permukaan Kayu Menggunakan YOLO Berbasis Deep Learning Dan Flutter App

Teknologi: Python PyTorch TensorFlow Flutter Dart Android iOS
Video Demonstrasi Project TikTok Demo

Demo & Pengujian Sistem: Deteksi Kondisi Permukaan Kayu Menggunakan YOLO Berbasis Deep Learning Dan Flutter App

Tonton di TikTok

Video di atas mendemonstrasikan implementasi antarmuka, inference model, dan workflow end-to-end dari project Deteksi Kondisi Permukaan Kayu Menggunakan YOLO Berbasis Deep Learning Dan Flutter App via TikTok.

Overview & Cara Kerja

TimberScan AI merupakan sistem inspeksi mutu cerdas berbasis Computer Vision, Deep Learning Single-Stage Object Detection, dan Mobile Edge Computing yang mengintegrasikan arsitektur mutakhir YOLO (You Only Look Once) dengan aplikasi mobile Flutter cross-platform untuk mendeteksi, melokalisasi (bounding box), dan mengklasifikasikan 8 karakteristik kondisi dan cacat permukaan kayu industri secara instan langsung di perangkat smartphone (on-device offline inference) tanpa memerlukan koneksi internet server eksternal.

Fitur Utama Project

Source Code Lengkap & Terstruktur (Clean Architecture)
Dokumentasi Teknis & Pembahasan Lengkap
Backend Service & RESTful API Siap Pakai
Antarmuka Web Modern, Responsif, & Interaktif
Training Notebook Pipeline & Dependency Setup
Pretrained Model Weights & Paket Berkas ZIP Lengkap

Arsitektur & Pipeline Sistem

Alur data interaktif dari input request hingga hasil pemrosesan sistem:

5 Tahap Pipeline
1 DATASET & ROBOTICS

Wood Fault Dataset & YOLO Annotation Pipeline

Ingesti dan pra-pemrosesan dataset citra permukaan kayu dengan anotasi bounding box 8 kelas format YOLO, menerapkan resizing 640x640, augmentasi kontras tekstur serat kayu, dan partisi data Train, Validation, dan Test.

YOLOv8 Format & 8 Target Classes
2 DEEP LEARNING MODEL

YOLO Single-Stage Multi-Scale Detection Engine

Pelatihan arsitektur single-stage object detector selama 50 epoch dengan resolusi 640x640, meminimalkan fungsi loss CIoU, DFL (Distribution Focal Loss), dan klasifikasi BCE menggunakan akselerasi GPU.

YOLO Backbone & 50 Epochs Fitting
3 EDGE COMPRESSION

TensorFlow SavedModel & TFLite Float16 Export

Ekspor bobot PyTorch (.pt) ke format TensorFlow SavedModel dan konversi ke model TensorFlow Lite Float16 (~4.96 MB) untuk inferensi ultra-cepat pada prosesor smartphone.

TFLite Float16 (4.96 MB Model)
4 MOBILE INFERENCE

tflite_flutter On-Device Inference Engine

Eksekusi inferensi lokal pada smartphone Android/iOS menggunakan runtime tflite_flutter dengan input tensor [1, 640, 640, 3] dan output tensor [1, 12, 8400] dalam waktu ~50-110 ms tanpa koneksi internet.

tflite_flutter Runtime & 4 Threads
5 POST-PROCESSING & UI

NMS Algorithm & Industrial Quality Assessment

Algoritma Non-Maximum Suppression (IoU 0.45) untuk eliminasi kandidat box tumpang-tindih, rendering BoundingBoxPainter dual-border canvas, serta visualisasi estimasi grade mutu dan panduan perbaikan kayu.

Flutter UI & Wood Defect Library
Source Repository

Struktur Berkas & Repositori

Hierarki folder dan berkas yang disertakan dalam paket proyek ini:

176 Berkas Proyek 1 Folder Utama
checksums.lock 17 B
executionHistory.bin 2.53 MB
AI Model Pratinjau
executionHistory.lock 17 B
last-build.bin 1 B
AI Model Pratinjau
fileHashes.bin 405.45 KB
AI Model Pratinjau
fileHashes.lock 17 B
resourceHashesCache.bin 26.9 KB
AI Model Pratinjau
gc.properties 0 B
properties Pratinjau
buildOutputCleanup.lock 17 B
cache.properties 53 B
properties Pratinjau
outputFiles.bin 86.64 KB
AI Model Pratinjau
errors-1791706166045.log 64 B
errors-1791706166065.log 64 B
buildLogic.lock 17 B
gc.properties 0 B
properties Pratinjau
file-system.probe 8 B
errors-1791706166045.log 64 B
errors-1791706166065.log 64 B
AndroidManifest.xml 385 B
GeneratedPluginRegistrant.java 1.8 KB
MainActivity.kt 127 B
launch_background.xml 446 B
launch_background.xml 450 B
ic_launcher.png 544 B
ic_launcher.png 442 B
ic_launcher.png 721 B
ic_launcher.png 1.01 KB
ic_launcher.png 1.41 KB
styles.xml 1014 B
styles.xml 1013 B
AndroidManifest.xml 2.81 KB
AndroidManifest.xml 385 B
build.gradle.kts 1.8 KB
gradle-wrapper.jar 52.38 KB
gradle-wrapper.properties 207 B
properties Pratinjau
build.gradle.kts 561 B
gradle.properties 456 B
properties Pratinjau
gradlew 4.85 KB
wood_app/android/gradlew Pratinjau
gradlew.bat 2.35 KB
local.properties 120 B
properties Pratinjau
settings.gradle.kts 796 B
wood_app_android.iml 1.59 KB
labels.txt 75 B
wood_model.tflite 4.74 MB
AI Model Pratinjau
sample_1.jpg 63.91 KB
sample_2.jpg 68.45 KB
sample_3.jpg 64.3 KB
sample_4.jpg 74.76 KB
sample_5.jpg 62.47 KB
sample_6.jpg 65.86 KB
AppFrameworkInfo.plist 744 B
Debug.xcconfig 31 B
xcconfig Pratinjau
Release.xcconfig 31 B
xcconfig Pratinjau
Contents.json 2.58 KB
Icon-App-1024x1024@1x.png 10.68 KB
Icon-App-20x20@1x.png 295 B
Icon-App-20x20@2x.png 406 B
Icon-App-20x20@3x.png 450 B
Icon-App-29x29@1x.png 282 B
Icon-App-29x29@2x.png 462 B
Icon-App-29x29@3x.png 704 B
Icon-App-40x40@1x.png 406 B
Icon-App-40x40@2x.png 586 B
Icon-App-40x40@3x.png 862 B
Icon-App-60x60@2x.png 862 B
Icon-App-60x60@3x.png 1.63 KB
Icon-App-76x76@1x.png 762 B
Icon-App-76x76@2x.png 1.2 KB
Icon-App-83.5x83.5@2x.png 1.38 KB
Contents.json 414 B
LaunchImage.png 68 B
LaunchImage@2x.png 68 B
LaunchImage@3x.png 68 B
README.md 340 B
markdown Pratinjau
LaunchScreen.storyboard 2.36 KB
storyboard Pratinjau
Main.storyboard 1.59 KB
storyboard Pratinjau
AppDelegate.swift 555 B
GeneratedPluginRegistrant.h 378 B
GeneratedPluginRegistrant.m 708 B
Info.plist 2.23 KB
Runner-Bridging-Header.h 39 B
SceneDelegate.swift 82 B
IDEWorkspaceChecks.plist 246 B
WorkspaceSettings.xcsettings 234 B
xcsettings Pratinjau
contents.xcworkspacedata 142 B
xcworkspacedata Pratinjau
Runner.xcscheme 4.72 KB
xcscheme Pratinjau
project.pbxproj 25.76 KB
pbxproj Pratinjau
IDEWorkspaceChecks.plist 246 B
WorkspaceSettings.xcsettings 234 B
xcsettings Pratinjau
contents.xcworkspacedata 159 B
xcworkspacedata Pratinjau
RunnerTests.swift 297 B
detection_result.dart 5.04 KB
wood_defect_info.dart 4.93 KB
home_screen.dart 20.58 KB
onboarding_screen.dart 13.07 KB
predict_screen.dart 25.6 KB
result_screen.dart 23.39 KB
scan_history_service.dart 137 B
yolo_classifier.dart 11.21 KB
app_theme.dart 4.74 KB
wood_colors.dart 3.23 KB
bounding_box_painter.dart 6.16 KB
defect_badge.dart 2.37 KB
wood_button.dart 3.8 KB
main.dart 936 B
CMakeLists.txt 2.83 KB
generated_plugin_registrant.cc 440 B
generated_plugin_registrant.h 303 B
generated_plugins.cmake 784 B
CMakeLists.txt 1000 B
main.cc 186 B
my_application.cc 5.47 KB
my_application.h 472 B
CMakeLists.txt 4.77 KB
Flutter-Debug.xcconfig 49 B
xcconfig Pratinjau
Flutter-Release.xcconfig 49 B
xcconfig Pratinjau
GeneratedPluginRegistrant.swift 263 B
app_icon_1024.png 100.58 KB
app_icon_128.png 5.55 KB
app_icon_16.png 520 B
app_icon_256.png 13.81 KB
app_icon_32.png 1.04 KB
app_icon_512.png 35.55 KB
app_icon_64.png 2.17 KB
Contents.json 1.33 KB
MainMenu.xib 23.51 KB
AppInfo.xcconfig 616 B
xcconfig Pratinjau
Debug.xcconfig 79 B
xcconfig Pratinjau
Release.xcconfig 81 B
xcconfig Pratinjau
Warnings.xcconfig 593 B
xcconfig Pratinjau
AppDelegate.swift 324 B
DebugProfile.entitlements 360 B
entitlements Pratinjau
Info.plist 1.07 KB
MainFlutterWindow.swift 403 B
Release.entitlements 248 B
entitlements Pratinjau
IDEWorkspaceChecks.plist 246 B
Runner.xcscheme 4.58 KB
xcscheme Pratinjau
project.pbxproj 27.91 KB
pbxproj Pratinjau
IDEWorkspaceChecks.plist 246 B
contents.xcworkspacedata 159 B
xcworkspacedata Pratinjau
RunnerTests.swift 302 B
widget_test.dart 277 B
Icon-192.png 5.17 KB
Icon-512.png 8.06 KB
Icon-maskable-192.png 5.46 KB
Icon-maskable-512.png 20.51 KB
favicon.png 917 B
index.html 1.53 KB
manifest.json 947 B
CMakeLists.txt 3.76 KB
generated_plugin_registrant.cc 328 B
generated_plugin_registrant.h 302 B
generated_plugins.cmake 790 B
app_icon.ico 32.98 KB
CMakeLists.txt 1.79 KB
flutter_window.cpp 2.14 KB
flutter_window.h 961 B
main.cpp 1.27 KB
resource.h 448 B
runner.exe.manifest 616 B
manifest Pratinjau
Runner.rc 3.08 KB
utils.cpp 2.18 KB
utils.h 691 B
win32_window.cpp 8.62 KB
win32_window.h 3.54 KB
CMakeLists.txt 4.16 KB
.metadata 1.67 KB
metadata Pratinjau
analysis_options.yaml 1.55 KB
pubspec.lock 19.42 KB
pubspec.yaml 3.92 KB
README.md 647 B
markdown Pratinjau
wood_app.iml 859 B
convert_yolo_to_tflite.ipynb 8.28 KB
Notebook Pratinjau
deteksi-cacat-permukaan-kayu.ipynb 100.01 KB
Notebook Pratinjau
link full project & dataset.txt 82 B
requirements.txt 742 B

Kebutuhan Sistem & Spesifikasi

Spesifikasi minimum perangkat untuk menjalankan project ini dengan lancar:

Spesifikasi Rekomendasi
Sistem Operasi
Windows 10/11 (64-bit), macOS Monterey ke atas, atau Linux (Ubuntu 20.04+ LTS)

Cross-platform compatible

Runtime & Bahasa
Python / PyTorch

Lingkungan kerja teruji

Memori (RAM)
Min. 4GB (Rekomendasi 8GB)

Optimal untuk running service

Penyimpanan
Min. 1GB Free Disk Space

Untuk berkas & dependensi

Pertanyaan yang Sering Diajukan (FAQ)

Jawaban ringkas terkait lisensi, akses file unduhan, dan panduan instalasi:

Bagaimana cara mendapatkan source code setelah pembayaran?

Segera setelah pembayaran lunas (PAID), berkas ZIP project dapat langsung diunduh secara instan dari halaman ini atau menu Dashboard > Pembelian & Unduhan. Salinan bukti invoice transaksi dan tautan akses juga dikirim otomatis ke alamat email Anda.

Apakah ada panduan instalasi dan dokumentasi teknis?

Ya! Setiap project di Devilda Projects menyertakan dokumentasi teknis komprehensif, arsitektur sistem, struktur database, serta instruksi langkah demi langkah cara setup environment lokal hingga siap di-run.

Bolehkah source code ini dimodifikasi untuk tugas akhir/skripsi/komersial?

Tentu saja. Pembelian lisensi memberikan Anda hak penuh untuk memodifikasi, mengkustomisasi, dan mengembangkan source code ini untuk keperluan tugas akhir, skripsi, portfolio kerja, maupun proyek komersial klien Anda.

Bagaimana jika saya mengalami kendala teknis saat instalasi?

Tim teknis Devilda siap membantu asistensi. Anda dapat berkonsultasi langsung dengan tim kami via WhatsApp CS Devilda (0878-2851-5500). Kami siap membantu kendala instalasi.

Ulasan Pembeli

Ulasan terverifikasi dari pengguna yang telah membeli project ini.

5.0 (0)

Belum ada ulasan untuk project ini.

Harga Lisensi Source Code
Rp 350.000 / sekali bayar
Tayangan: 40 kali dilihat
Populer
Tonton Demo TikTok
Lihat
Beli Source Code Sekarang

Pembayaran aman via QRIS (Semua E-Wallet) & Virtual Account.

Yang Anda Dapatkan:

  • Full Source Code Lengkap & Aset Project
  • Teknologi: Python, PyTorch, TensorFlow, Flutter
  • Panduan Instalasi & Konfigurasi Lingkungan
  • Seluruh Bab Dokumentasi Teknis Langkah demi Langkah
  • Hak Lisensi Tugas Akhir, Skripsi & Komersial
  • Akses Unduhan Berkas ZIP & Code Explorer Langsung
Download link instan dan akses dokumentasi dikirim otomatis ke akun Anda.