Deteksi Objek dengan YOLOv8: Panduan Menggunakan Model Pre-trained pada Gambar

Di tulisan ini saya akan coba main-main dengan YOLOv8 buat deteksi objek di gambar. YOLO (You Only Look Once) adalah salah satu algoritma deteksi objek paling terkenal. Versi terbarunya, YOLOv8, hadir dengan performa yang lebih cepat dan hasil yang lebih akurat. Untungnya, kita nggak perlu ribet karena ada library ultralytics yang bikin penggunaannya jadi simpel banget.

Apa yang Perlu Disiapkan?

Sebelum mulai, pastikan kamu sudah punya:

• Python
• Library ultralytics

Kalau belum, tinggal install lewat pip:

pip install ultralytics

Contoh Kode Sederhana

Ini contoh kode singkat buat deteksi objek pakai YOLOv8:

from ultralytics import YOLO

# Load model YOLOv8 bawaan
model = YOLO("yolov8n.pt")

# Jalankan deteksi di sebuah gambar
results = model(["image/car.jpg"])

# Loop hasil deteksi
for result in results:
    boxes = result.boxes      # kotak pembatas
    masks = result.masks      # segmentasi (kalau modelnya mendukung)
    keypoints = result.keypoints  # titik pose
    probs = result.probs      # probabilitas klasifikasi
    obb = result.obb          # kotak berorientasi

    # Tampilkan hasil
    result.show()

    # Simpan hasil ke file
    result.save(filename="result.jpg")

Cara Kerjanya

• Load model → YOLO("yolov8n.pt") akan otomatis ambil model pre-trained YOLOv8 (nano). Kalau belum ada di lokal, dia bakal download.
• Deteksi gambar → model(["image/car.jpg"]) menjalankan inferensi di gambar mobil. Kamu bisa ganti dengan gambar lain sesuka hati.
• Ambil hasil → hasil deteksi bisa berupa bounding box, mask segmentasi, titik pose, sampai probabilitas klasifikasi.
• Output → bisa langsung ditampilkan (result.show()) atau disimpan (result.save()).

Penutup

Dengan beberapa baris kode aja, YOLOv8 udah bisa dipakai buat deteksi objek. Cepat, akurat, dan gampang diutak-atik. Kalau mau lebih lanjut, kamu bisa eksperimen deteksi banyak gambar sekaligus, atau bahkan real-time pakai kamera.