Setelah sebelumnya saya melakukan unboxing PALIT x YUAN Pandora, kali ini kita melanjutkan dengan uji coba singkat perangkat berbasis NVIDIA Jetson Orin NX 16GB Super ini. Fokus pengujian adalah NanoOWL, teknologi open-vocabulary object detection yang memungkinkan kita mendeteksi objek hanya dengan teks prompt, tanpa perlu retraining model.
Persiapan Perangkat
Untuk pengujian, saya menggunakan sebuah webcam Logitech HD 1080p yang dipasang di monitor, kemudian disambungkan ke unit Pandora.
Pandora sendiri terlihat kompak dengan desain modern, tombol power di bagian depan, serta LED hijau yang menyala ketika perangkat aktif.
Dengan koneksi LAN, HDMI, dan USB, Pandora siap digunakan untuk demo AI vision secara real-time.
Menjalankan NanoOWL di PALIT Pandora
Berikut beberapa perintah yang saya gunakan untuk menyiapkan dan menjalankan NanoOWL:
git clone https://github.com/dusty-nv/jetson-containers
bash jetson-containers/install.sh
jetson-containers run --workdir /opt/nanoowl $(autotag nanoowl)
ls /dev/video*
pip install aiohttp --index-url https://pypi.org/simple
cd examples/tree_demo
python3 tree_demo.py --camera 0 --resolution 640x480 \
../../data/owl_image_encoder_patch32.engineSetelah perintah di atas dijalankan, Pandora siap untuk melakukan inferensi real-time menggunakan NanoOWL.
Pengujian NanoOWL
Pengujian dimulai dengan berbagai prompt sederhana hingga kompleks. Berikut beberapa hasilnya:
1. Deteksi Wajah
Prompt: [a face]
Pandora langsung mengenali wajah dengan bounding box yang stabil.
2. Deteksi Bagian Wajah
Prompt: [a face [a nose, an eye, a mouth]]
AI mampu mendeteksi bagian-bagian wajah seperti mata, hidung, dan mulut secara terpisah.
3. Deteksi Ekspresi
Prompt: [a face (sad, bored, happy)]
AI bisa mengidentifikasi ekspresi wajah. Saat saya tersenyum, label berubah menjadi happy.
4. Deteksi Tangan
Prompt: [a hand]
Selain wajah, AI juga bisa mendeteksi tangan dan mengikuti pergerakannya.
5. Multi Prompt
Prompt: [a face, a hand]
Kombinasi wajah dan tangan dapat dideteksi secara bersamaan.
6. Deteksi Keramaian (Video YouTube)
Prompt: [a person]
Pada video YouTube yang menampilkan keramaian orang berjalan, AI berhasil mendeteksi banyak orang sekaligus.
7. Deteksi Kendaraan dan Kereta (Video YouTube)
Prompt: [a car, a train]
Dalam video lalu lintas, AI mendeteksi mobil-mobil yang melintas, sekaligus mengenali kereta api yang lewat.
Hasil-hasil ini menunjukkan fleksibilitas NanoOWL dalam memahami objek, bagian, hingga konteks hanya dengan prompt teks.
Catatan Suhu & Performa
Selama pengujian, GPU load mencapai ±77% dan CPU juga aktif cukup tinggi. Temperatur berkisar di 65–71 °C, bahkan sempat muncul peringatan “Hot surface. Do Not Touch. System throttled …”.
Hal ini wajar mengingat beban inferensi real-time cukup berat. Namun, untuk penggunaan jangka panjang disarankan menggunakan pendingin tambahan agar performa tetap stabil.
Kesimpulan
Dari uji coba singkat ini, PALIT Pandora dengan NanoOWL terbukti mampu menjalankan deteksi objek open-vocabulary secara real-time. Mulai dari wajah, tangan, ekspresi, hingga kendaraan di jalan raya—semuanya dapat dikenali hanya dengan mengganti teks prompt.
Potensi penggunaannya luas:
- Retail: menghitung stok barang di rak.
- Keamanan: mendeteksi orang, ekspresi, atau objek tertentu.
- Robotika: membuat robot mengenali objek hanya dengan instruksi teks.
- Transportasi: analisis lalu lintas kendaraan dan kereta.
Penutup
Terima kasih kepada AGRES.ID yang telah meminjamkan unit ini untuk saya unboxing dan test singkat.
📌 Untuk link pembelian, bisa teman-teman temukan pada video youtube saya.
Dan jangan lupa, video demo lengkap sudah tayang di channel YouTube saya. Sampai ketemu di konten berikutnya!
Untuk menonton video test singkat di Youtube: https://www.youtube.com/watch?v=D7v1teU-758