IMPLEMENTASI DEEP NEURAL NETWORK DENGAN FRAMEWORK TENSORFLOW LITE MICRO PADA SISTEM KAMERA KEAMANAN BERBASIS MIKROKONTROLER

Sistem kamera keamanan merupakan sistem yang penting dalam mengurangi jumlah tindak kejahatan terutama tindak pencurian. Namun pada umumnya kamera keamanan bersifat pasif yang memerlukan manusia sebagai pihak pengawas. Dengan pentingnya kamera keamanan, maka diinginkan sistem tersebut untuk lebih andal dan praktis dalam artian mampu bekerja secara independen tanpa memanfaatkan pihak manusia sebagai agen pengawas. Dengan mengaplikasikan fitur deteksi objek manusia pada kamera keamanan, peran pihak manusia sebagai pengawas berpotensi dapat digantikan. Untuk memanfaatkan potensi tersebut, maka telah didesain sistem kamera keamanan berbasis mikrokontroler yang dilengkapi dengan sistem deteksi objek manusia dengan model deep neural network yang dieksekusi dengan framework TensorFlow Lite Micro. Berdasarkan hasil pengujian, eksekusi model deep learning untuk deteksi objek manusia pada mikrokontroler dapat dilakukan. Kinerja pada model terbaik dapat mencapai tingkat akurasi 76%, puncak konsumsi RAM sebesar 55.3 KB, berkas binary hasil compiling berukuran 293600 bytes (7.17% dari total memori flash ESP32), dan waktu inferensi selama 5.2 detik. Namun model yang diaplikasikan pada sistem yang telah dibuat gagal mendeteksi objek manusia dengan akurasi yang diharapkan dengan tilt pada kamera sebesar 30 derajat ke bawah pada ketinggian 3 m, maupun ketika objek manusia tersebut tidak sedang berdiri atau berjalan secara tegak