Baru Jelajahi project AI & Machine Learning siap pakai lengkap dengan full source code dan tutorial instalasi!
Beranda Katalog Project Tentang Kami Kontak Kami
Deteksi Penggunaan Masker Menggunakan YOLO Berbasis Deep Learning
Deteksi Penggunaan Masker Menggunakan YOLO Berbasis Deep Learning
Deep Learning Tingkat: Intermediate Versi 1.0.0 20 Dilihat
5.0 (0 ulasan)

Deteksi Penggunaan Masker Menggunakan YOLO Berbasis Deep Learning

Teknologi: YOLO Ultralytics Flask TensorFlow OpenCV HTML CSS JavaScript NumPy
Video Demonstrasi Project TikTok Demo

Demo & Pengujian Sistem: Deteksi Penggunaan Masker Menggunakan YOLO Berbasis Deep Learning

Tonton di TikTok

Video di atas mendemonstrasikan implementasi antarmuka, inference model, dan workflow end-to-end dari project Deteksi Penggunaan Masker Menggunakan YOLO Berbasis Deep Learning via TikTok.

Overview & Cara Kerja

🎯 Latar Belakang Masalah

Kepatuhan terhadap protokol kesehatan penggunaan masker di fasilitas umum, rumah sakit, pabrik manufaktur (cleanroom), industri pengolahan pangan, dan transportasi massal merupakan pilar krusial dalam menekan transmisi penyakit menular melalui udara (airborne pathogens). Pengawasan manual oleh petugas keamanan menghadapi berbagai kendala fatal:

  1. Kelelahan Manusia (Human Fatigue): Petugas keamanan tidak dapat mempertahankan fokus visual konstan selama 24 jam untuk memantau ratusan orang yang lalu lalang di area pintu masuk stasiun, bandara, atau pusat perbelanjaan.
  2. Potensi Konflik Sosial & Risiko Paparan: Peneguran langsung secara tatap muka oleh petugas rentan memicu gesekan verbal serta meningkatkan risiko petugas tertular patogen secara langsung dari pelanggar.
  3. Ketiadaan Data Kepatuhan Terukur: Pengawasan manual tidak menyediakan rekam jejak digital (audit trail) mengenai persentase kepatuhan area dari waktu ke waktu, menyulitkan manajemen gedung dalam mengevaluasi efektivitas kebijakan higienitas.

Untuk mengatasi kelemahan tersebut, dibutuhkan solusi otomatisasi berbasis Computer Vision dan Deep Learning yang mampu mendeteksi keberadaan masker pada wajah manusia secara instan, akurat pada kondisi multi-wajah/kerumunan, dan berkecepatan tinggi tanpa memerlukan intervensi fisik manusia.

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 Input

Input Data / Citra

Pengguna mengunggah dataset atau payload request melalui antarmuka.

Multipart Payload
2 API Layer

API Preprocessing

Validasi struktur data, resize resolusi, dan normalisasi tensor input.

RESTful Controller
3 Inference

Core Engine Model

Eksekusi komputasi bobot terlatih untuk ekstraksi fitur dan prediksi.

Neural Network Model
4 Post-Process

Evaluasi & Filter

Filter threshold probabilitas, decoding koordinat, dan klasifikasi label.

Confidence Scores
5 Output

Visual Response

Pengembalian respons JSON terstruktur serta visualisasi canvas antarmuka.

JSON & Visual Canvas
Source Repository

Struktur Berkas & Repositori

Hierarki folder dan berkas yang disertakan dalam paket proyek ini:

90 Berkas Proyek 3 Folder Utama
best.pt 5.2 MB
AI Model Pratinjau
last.pt 5.2 MB
AI Model Pratinjau
args.yaml 1.69 KB
BoxF1_curve.png 129.2 KB
BoxP_curve.png 115.58 KB
BoxPR_curve.png 100.61 KB
BoxR_curve.png 123.94 KB
confusion_matrix.png 112.15 KB
confusion_matrix_normalized.png 120.81 KB
labels.jpg 135.36 KB
results.csv 3.21 KB
Dataset Pratinjau
results.png 274.38 KB
train_batch0.jpg 543.38 KB
train_batch1.jpg 508.91 KB
train_batch2.jpg 539.67 KB
train_batch6960.jpg 429.72 KB
train_batch6961.jpg 412.07 KB
train_batch6962.jpg 476.17 KB
val_batch0_labels.jpg 519.8 KB
val_batch0_pred.jpg 519.8 KB
val_batch1_labels.jpg 746.08 KB
val_batch1_pred.jpg 789.33 KB
val_batch2_labels.jpg 443.81 KB
val_batch2_pred.jpg 456.76 KB
BoxF1_curve.png 129.08 KB
BoxP_curve.png 116 KB
BoxPR_curve.png 100.47 KB
BoxR_curve.png 123.65 KB
confusion_matrix.png 113.42 KB
confusion_matrix_normalized.png 121.03 KB
val_batch0_labels.jpg 517.93 KB
val_batch0_pred.jpg 517.93 KB
val_batch1_labels.jpg 592.3 KB
val_batch1_pred.jpg 601.97 KB
val_batch2_labels.jpg 744.93 KB
val_batch2_pred.jpg 788.5 KB
BoxF1_curve.png 135.63 KB
BoxP_curve.png 108.29 KB
BoxPR_curve.png 105.49 KB
BoxR_curve.png 132.59 KB
confusion_matrix.png 123.49 KB
confusion_matrix_normalized.png 120.2 KB
val_batch0_labels.jpg 519.66 KB
val_batch0_pred.jpg 519.66 KB
val_batch1_labels.jpg 400.06 KB
val_batch1_pred.jpg 400.06 KB
val_batch2_labels.jpg 734.46 KB
val_batch2_pred.jpg 761.16 KB
BoxF1_curve.png 129.08 KB
BoxP_curve.png 116 KB
BoxPR_curve.png 100.47 KB
BoxR_curve.png 123.65 KB
confusion_matrix.png 113.42 KB
confusion_matrix_normalized.png 121.03 KB
val_batch0_labels.jpg 517.93 KB
val_batch0_pred.jpg 517.93 KB
val_batch1_labels.jpg 592.3 KB
val_batch1_pred.jpg 601.97 KB
val_batch2_labels.jpg 744.93 KB
val_batch2_pred.jpg 788.5 KB
BoxF1_curve.png 149.46 KB
BoxP_curve.png 127.69 KB
BoxPR_curve.png 106.4 KB
BoxR_curve.png 131.03 KB
confusion_matrix.png 115.73 KB
confusion_matrix_normalized.png 111.39 KB
val_batch0_labels.jpg 583.61 KB
val_batch0_pred.jpg 583.61 KB
val_batch1_labels.jpg 584.73 KB
val_batch1_pred.jpg 597.21 KB
val_batch2_labels.jpg 466.09 KB
val_batch2_pred.jpg 469.83 KB
custom.css 2.88 KB
confusion_matrix.png 120.81 KB
f1_curve.png 129.2 KB
hero_mask_detection.jpg 705.55 KB
metrics_results.png 274.38 KB
main.js 19.86 KB
javascript Pratinjau
sample_group.jpg 69.49 KB
sample_mask.jpg 62.65 KB
sample_mixed.jpg 61.75 KB
sample_nomask.jpg 29.34 KB
index.html 69.97 KB
app.py 10.05 KB
link full project.txt 82 B
mask-detection-yolo.ipynb 86.74 KB
Notebook Pratinjau
README.dataset.txt 1.29 KB
README.md 4.75 KB
markdown Pratinjau
README.roboflow.txt 1.39 KB
requirements.txt 621 B

Kebutuhan Sistem & Spesifikasi

Spesifikasi minimum perangkat untuk menjalankan project ini dengan lancar:

Spesifikasi Rekomendasi
Sistem Operasi
Windows 10/11, macOS, Linux

Cross-platform compatible

Runtime & Bahasa
YOLO / Ultralytics

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: 20 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: YOLO, Ultralytics, Flask, TensorFlow
  • 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.