Memanfaatkan YOLOv8 untuk Deteksi Objek dan Menampilkan Label dengan Probabilitas

Di tulisan ini saya akan coba menggunakan YOLOv8 untuk mendeteksi objek dalam gambar, sekaligus menampilkan label objek dan probabilitasnya. YOLO (You Only Look Once) sudah lama jadi andalan di dunia deteksi objek. Versi barunya, YOLOv8, hadir dengan performa lebih cepat dan hasil yang lebih akurat.

Langsung saja kita lihat cara pakainya.

Prasyarat

Pastikan sudah ada Python dan library ultralytics di sistem kamu. Kalau belum, tinggal install lewat pip:

pip install ultralytics

Contoh Kode Deteksi Objek

Berikut contoh sederhana untuk mendeteksi objek lalu menampilkan label dan probabilitasnya:

from ultralytics import YOLO

# Memuat model YOLOv8 (nano, versi ringan)
model = YOLO("yolov8n.pt")

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

# Proses hasil deteksi
for result in results:
    for cls, prob, box in zip(result.boxes.cls, result.boxes.conf, result.boxes.xyxy):
        label = model.names[int(cls)]
        print(f"Objek terdeteksi: {label} dengan probabilitas {prob:.2f}")

Cara Kerjanya

1. Load model YOLO("yolov8n.pt") akan memuat model YOLOv8 bawaan. Kalau file model belum ada di lokal, otomatis akan diunduh.

2. Deteksi gambar model(["image/car.jpg"]) melakukan inferensi pada gambar. Path bisa diganti dengan gambar lain sesuai kebutuhan.

3. Ambil hasil deteksi

   • result.boxes.cls: ID kelas objek.
   • result.boxes.conf: nilai probabilitas (confidence).
   • result.boxes.xyxy: koordinat bounding box.
   • model.names[int(cls)]: konversi ID kelas jadi nama label.

4. Output Di sini kita hanya mencetak label dan probabilitasnya ke terminal, tapi hasil ini bisa juga dipakai untuk menampilkan anotasi langsung di gambar.

Penutup

Dengan beberapa baris kode saja, YOLOv8 sudah bisa dipakai buat mendeteksi objek, lengkap dengan label dan probabilitasnya. Kalau mau dikembangkan, kamu bisa menambahkan visualisasi hasil deteksi langsung di gambar, atau bahkan jalankan secara real-time pakai webcam.