Instance Segmentation Obat di Jetson Orin Nano, Gaskeun!

Lur, Capek Gak Sih Nyortir Obat Manual di Lab?

Pernah gak lu ngerasa mata mau copot gara-gara harus mastiin jenis obat satu-satu di laboratorium? Udah mah bentuknya mirip-mirip, ukurannya kecil, eh jumlahnya ribuan pula. Jujurly, itu kegiatan yang bikin mager tingkat dewa. Tapi tenang, kita kan anak IT, masa iya kerjaan repetitif gitu gak kita sikat pake teknologi? Wkwk.

Nah, hari ini kita bakal bahas sesuatu yang lebih keren dari sekadar deteksi kotak-kotak biasa (object detection). Kita bakal masuk ke dunia Instance Segmentation. Bedanya apa? Kalo object detection cuma ngasih kotak doang, instance segmentation ini bakal nge-trace lekuk tubuh si objek—dalam hal ini obat—sampe ke pinggir-pinggirnya. Jadi, AI lu bakal tau persis mana batas obat A dan mana batas obat B, meskipun mereka saling tumpang tindih. Dan yang paling mantul, kita bakal jalanin ini di NVIDIA Jetson Orin Nano. Si kecil-kecil cabe rawit yang power-nya gila banget buat urusan AI di pinggir jalan (edge computing).

Kenapa Harus Jetson Orin Nano?

Mungkin lu mikir, 'Bang, pake laptop gaming gua juga bisa kali!'. Ya bisa sih, tapi masa iya lu mau gotong-gotong laptop segede gaban ke dalem lab kimia yang steril? Jetson Orin Nano ini ukurannya cuma segenggam tangan tapi punya 40 TOPS (Tera Operations Per Second). Buat ngejalanin model deep learning berat kayak Mask R-CNN atau YOLOv8-seg, ini barang udah lebih dari cukup. Hemat listrik lagi, gak bikin tagihan PLN lab lu meledak!

Persiapan Alat Tempur

Sebelum kita gaskeun ke kodingan, pastiin lu udah nyiapin beberapa barang wajib ini:

• NVIDIA Jetson Orin Nano (Developer Kit).
• Kamera USB atau CSI Camera yang bening (biar obatnya keliatan ganteng).
• Dataset gambar obat yang udah di-labeling (nanti kita bahas cara bikinnya).
• Koneksi internet yang gak lemot-lemot amat buat download library.

Langkah 1: Setup Environment (Jangan Ampe Kena Mental!)

Pertama, pastiin Jetson lu udah pake JetPack terbaru. Kita bakal pake Python 3.8+ dan library sakti kayak PyTorch dan Ultralytics (YOLOv8). Kenapa YOLOv8? Soalnya ini yang paling ramah buat pemula tapi performanya tetep ngeri, lur.

Buka terminal lu, terus ketik perintah ini buat install library-nya:

pip install ultralytics
sudo apt-get install python3-pip
pip3 install torch torchvision torchaudio

Kalo udah, coba cek apakah GPU Jetson lu kedeteksi atau gak. Kalo gak kedeteksi, wah itu tandanya lu kurang sedekah, wkwk. Canda lur, cek lagi driver CUDA-nya ya.

Langkah 2: Dataset itu Koentji!

Instance segmentation itu haus banget sama data yang rapi. Lu gak bisa cuma foto doang. Lu harus nge-masking tiap butir obatnya. Lu bisa pake tools kayak Roboflow atau CVAT. Capek emang pas awal, tapi hasilnya bakal bikin lu senyum-senyum sendiri pas liat AI lu bisa bedain parasetamol sama vitamin C dengan akurasi 99%.

Saran gua, ambil minimal 500 foto dengan berbagai angle dan kondisi cahaya di lab. Inget, AI itu cerminan data lu. Kalo datanya sampah, hasilnya ya sampah juga (Garbage In, Garbage Out).

Langkah 3: Ngoding Inference di Jetson

Kalo model udah dilatih (training), sekarang waktunya kita tes buat deteksi obat secara real-time. Ini potongan kode simpel buat ngejalanin instance segmentation di Jetson Orin Nano lu:

import cv2
from ultralytics import YOLO

# Load model yang udah kita train tadi
model = YOLO('best_obat_segmentation.pt')

# Buka kamera (biasanya indeks 0 buat USB cam)
cap = cv2.VideoCapture(0)

while cap.isOpened():
    success, frame = cap.read()
    if success:
        # Jalankan inference
        results = model(frame, conf=0.5)

        # Visualisasikan hasil masking
        annotated_frame = results[0].plot()

        # Tampilkan di layar
        cv2.imshow('Deteksi Obat Lab Gaskeun', annotated_frame)

        # Tekan 'q' buat keluar
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
    else:
        break

cap.release()
cv2.destroyAllWindows()

Gampang kan? Gak perlu ribet kayak nungguin balesan chat dari si doi yang cuma di-read doang.

Langkah 4: Optimasi Biar Gak Ngelag (TensorRT)

Jetson itu punya fitur spesial namanya TensorRT. Ini gunanya buat nge-compress model lu biar jalannya makin kenceng tanpa ngurangin akurasi secara drastis. Kalo lu jalanin model mentah .pt, mungkin dapet 10-15 FPS. Tapi kalo udah di-export ke format .engine (TensorRT), lu bisa dapet sampe 30+ FPS! Smooth banget kayak jalanan tol jam 2 pagi.

Cara export-nya simpel banget, tinggal jalanin ini di terminal:

yolo export model=best_obat_segmentation.pt format=engine device=0

Kesimpulan Santuy

Pake Jetson Orin Nano buat instance segmentation obat itu bener-bener game changer buat anak lab atau developer yang pengen bikin solusi nyata. Gak cuma keren-kerenan doang, tapi emang ngebantu banget buat ngurangin human error. Jadi, daripada lu pusing nyortir manual, mending rakit ginian satu, terus tinggal duduk manis sambil ngopi, wkwk.

Kira-kira menurut lu, selain buat nyortir obat, teknologi instance segmentation ini bisa dipake buat apa lagi sih di dunia kesehatan yang bener-bener 'out of the box'?

FAQ (Pertanyaan Umum)