Implementasi Ensemble YOLOv8 RT DETR Untuk Deteksi Kontaminan Batubara

Abstract

Deteksi batubara dan gangue merupakan tahap penting dalam proses penambangan untuk meningkatkan kualitas hasil tambang dan efisiensi operasional. Kemiripan visual antara batubara dan gangue serta kondisi lingkungan pertambangan yang kompleks menjadi tantangan utama dalam proses deteksi otomatis, selain itu dalam proses pengolaan batubara dan gangue sering kali tercampur sehingga mengakibatkan mesin crusher cepat rusak dan dapat mempengaruhi produksi. Penelitian ini mengusulkan metode deteksi objek berbasis ensemble dengan mengombinasikan model YOLOv8 dan RT-DETR. YOLOv8 memiliki keunggulan dalam kecepatan dan akurasi deteksi objek kecil, sedangkan RT-DETR mampu menangkap konteks global citra secara lebih efektif. Hasil eksperimen menunjukkan bahwa model YOLOv8 mencapai nilai mAP@0.5 sebesar 0.901dan mAP@0.5:0.95 sebesar 0.781, sedangkan RT-DETR mencapai nilai mAP@0.5 sebesar 0.849 dan mAP@0.5:0.95 sebesar 0.713. Penggabungan kedua model melalui pendekatan ensemble menghasilkan performa deteksi yang lebih stabil dan andal dibandingkan penggunaan model tunggal. Metode yang diusulkan berpotensi diterapkan pada sistem deteksi otomatis di lingkungan pertambangan nyata.