Dokumentasi ini menjelaskan skrip Python yang digunakan untuk menguji dan membandingkan performa antara model YOLOv8n (Edge) dan YOLOv8l (Server) menggunakan dataset independen (test set) untuk deteksi api dan asap.
Setelah proses training selesai, model dievaluasi menggunakan data yang belum pernah dilihat sebelumnya (unseen data). Hal ini dilakukan untuk mendapatkan metrik objektif yang akan menjadi data utama dalam Bab Hasil dan Pembahasan Tesis, guna membuktikan reliabilitas model dalam skenario nyata.
evaluate()Fungsi ini melakukan validasi formal dengan parameter sebagai berikut:
model_path: Memuat file bobot terbaik (best.pt) dari hasil training masing-masing varian.split='test': Memastikan evaluasi dijalankan pada partisi data pengujian (bukan data latih atau validasi) sesuai konfigurasi di dfire.yaml.YOLOv8n_Edge/weights/best.ptYOLOv8l_Server/weights/best.ptmodel.val() untuk mendapatkan skor akurasi dari kedua model secara bergantian.Eksekusi skrip melalui terminal:
python 3_evaluate_models.py