7 Ide Proyek Computer Vision untuk Pemula dengan Kamera Bekas

Kamu punya kamera USB lama yang menganggur? Kamera bekas bisa jadi pintu masuk untuk belajar computer vision tanpa harus beli perangkat mahal. Ada tujuh ide proyek computer vision untuk pemula yang bisa kamu coba, dari yang paling sederhana hingga yang sedikit menantang. Semua bisa dijalankan di laptop biasa dengan Python dan OpenCV.

1. Deteksi Wajah untuk Menghitung Orang di Ruangan

Pasang kamera di sudut ruangan, lalu program menghitung berapa banyak wajah yang terdeteksi secara real-time. Gunakan model Haar Cascade yang sudah tersedia di OpenCV, atau beralih ke DNN face detector bawaan OpenCV untuk akurasi lebih baik.

Mulailah dengan menangkap frame dari kamera, mengubahnya ke grayscale, lalu jalankan detektor. Hasilnya bisa ditampilkan dalam kotak pembatas dan jumlah orang. Untuk pengembangan, coba simpan log jumlah orang tiap beberapa detik ke file CSV. Ini melatih kemampuanmu mengolah output visual menjadi data terstruktur.

2. Klasifikasi Sampah Organik dan Anorganik

Arahkan kamera ke barang di meja, dan model akan menebak apakah itu organik (misal kulit buah) atau anorganik (plastik, kertas). Proyek ini bisa jadi latihan computer vision sambil mengangkat isu lingkungan.

Kamu bisa memulai dengan dataset kecil: kumpulkan 50-100 gambar per kategori, lalu latih model sederhana seperti MobileNet menggunakan transfer learning. Kalau bingung cara menyiapkan data, lihat panduan menyiapkan dataset gambar untuk computer vision. Setelah model jadi, uji dengan benda di sekitar rumah.

3. Penghitung Kendaraan di Jalan Raya

Punya rekaman video lalu lintas? Kamu bisa menghitung mobil, motor, atau bus yang lewat. Tekniknya: deteksi objek per frame, lalu lacak pergerakan objek antar frame (object tracking) untuk menghindari hitungan ganda.

Gunakan YOLO versi ringan seperti YOLOv8n yang bisa jalan di CPU. Pelajari dasar-dasarnya di cara kerja deteksi objek: YOLO dijelaskan sederhana. Proyek ini mengajarkan konsep counting line: hitung kendaraan yang melewati garis imajiner di layar.

4. Deteksi Kantuk Pengemudi (Drowsiness Detection)

Pakai kamera menghadap wajah, deteksi mata yang menutup terlalu lama. Demo keselamatan berkendara sering memakai proyek ini. Kamu bisa memakai library seperti dlib untuk mendeteksi landmark wajah, lalu hitung rasio mata (Eye Aspect Ratio).

Mulai dengan logika sederhana: jika mata tertutup lebih dari 2 detik, munculkan peringatan di layar atau bunyikan suara. Ini proyek yang bagus untuk belajar pemrosesan wajah secara real-time.

5. Sortir Barang Berdasarkan Warna

Computer vision tidak harus soal deep learning. Kamu bisa membuat sistem sortir sederhana berdasarkan warna menggunakan HSV thresholding. Contoh: pisahkan bola merah dan biru yang lewat di atas conveyor mini.

Kamera menangkap objek, konversi ke HSV, lalu tentukan rentang warna. Hasilnya bisa menggerakkan servo untuk mendorong barang ke keranjang yang sesuai. Proyek ini cocok kalau kamu juga suka elektronika. Untuk merapikan kabel-kabel proyek, ada tips dari merapikan kabel proyek Arduino agar rapi dan aman.

6. Pengukur Dimensi Objek dengan Kamera

Dengan kamera dan objek referensi (misal koin), kamu bisa mengukur panjang atau lebar benda. Tekniknya: deteksi kontur objek, hitung piksel, lalu konversi ke satuan nyata menggunakan skala dari objek referensi.

Ini melatih pemahaman tentang kalibrasi kamera dan transformasi perspektif. Kamu bisa mengembangkan untuk mengukur ukuran buah atau komponen elektronik. Hasil pengukuran bisa langsung ditampilkan di layar.

7. Deteksi Gerakan untuk Keamanan Rumah

Proyek murah meriah: kamera statis menghadap pintu, program memberi notifikasi jika ada gerakan. Gunakan background subtraction (MOG2) untuk mendeteksi perubahan frame yang signifikan.

Simpan klip video singkat saat gerakan terdeteksi, atau kirim gambar ke email. Untuk yang ingin lebih serius, integrasikan dengan Raspberry Pi dan kamera modul. Panduan lengkapnya ada di cara menghubungkan kamera ke Raspberry Pi untuk proyek computer vision.

Tips Memulai Proyek Computer Vision untuk Pemula

• Mulai dari proyek yang paling sederhana dan sesuai dengan kamera yang kamu punya.
• Gunakan library populer seperti OpenCV dan NumPy; banyak tutorial gratis.
• Jangan takut dengan error; setiap masalah adalah kesempatan belajar.
• Dokumentasikan setiap langkah, termasuk cara mengambil gambar dan parameter yang dipakai.
• Gabung komunitas online seperti forum OpenCV atau subreddit computer vision untuk bertanya.

Ketujuh ide di atas bisa kamu kerjakan dengan kamera bekas dan laptop biasa. Pilih satu yang paling menarik, selesaikan, lalu lanjut ke yang berikutnya. Praktik langsung membuatmu lebih cepat paham dibanding hanya menonton tutorial.

Pertanyaan yang Sering Diajukan

Apakah saya perlu kamera mahal untuk belajar computer vision?

Tidak. Kamera USB biasa atau kamera ponsel yang dijadikan webcam sudah cukup untuk sebagian besar proyek pemula. Yang lebih penting adalah pencahayaan yang memadai dan posisi kamera yang stabil.

Berapa lama waktu yang dibutuhkan untuk menyelesaikan satu proyek?

Tergantung kompleksitas. Proyek deteksi wajah sederhana bisa selesai dalam beberapa jam, sedangkan proyek dengan training model mungkin butuh beberapa hari. Mulailah dari yang kecil agar cepat melihat hasil.

Apakah proyek ini bisa dijalankan tanpa GPU?

Bisa. Sebagian besar proyek di atas dirancang untuk berjalan di CPU. Untuk model deep learning, gunakan versi ringan atau optimalkan dengan quantization. Jika laptop terasa panas, baca tips mengukur suhu laptop saat menjalankan model AI.