🧠 Student Fatigue Detection System

Aplikasi mobile berbasis Artificial Intelligence (AI) yang dikembangkan untuk membantu mendeteksi tingkat kelelahan mahasiswa berdasarkan citra wajah. Sistem memanfaatkan model EfficientNetV2 yang telah di-fine-tune untuk melakukan klasifikasi multi-label dan menghasilkan informasi terkait kondisi kelelahan pada wajah pengguna.

Aplikasi dikembangkan menggunakan Flutter dan dirancang untuk mengintegrasikan proses pengambilan atau pemilihan gambar, pengiriman data ke model AI, hingga menampilkan hasil prediksi secara langsung melalui antarmuka aplikasi mobile.

Catatan: Repository ini berfokus pada sisi integrasi aplikasi mobile dan implementasi antarmuka. Model AI dan proses pelatihan model tidak menjadi bagian utama dari repository ini.

---

✨ Features

• 📷 Face Image Capture Mengambil citra wajah secara langsung menggunakan kamera smartphone.

• 🖼️ Image Upload Memungkinkan pengguna memilih dan mengunggah gambar dari perangkat.

• 🤖 AI-Based Fatigue Detection Menggunakan model EfficientNetV2 yang telah di-fine-tune untuk klasifikasi multi-label terkait kondisi kelelahan wajah.

• 🔲 Face Detection with Bounding Box Menampilkan area wajah yang terdeteksi menggunakan bounding box sebagai visualisasi hasil deteksi.

• 📊 Prediction Result Menampilkan hasil inferensi model AI melalui antarmuka aplikasi mobile.

• 🔗 AI Model Integration Menghubungkan aplikasi Flutter dengan layanan/model AI untuk menjalankan proses inferensi.

• 📱 Mobile-Based Application Seluruh proses input gambar hingga penyajian hasil prediksi dikemas dalam satu alur aplikasi mobile yang terintegrasi.

---

🏗️ System Workflow

Secara umum, alur sistem pada aplikasi adalah sebagai berikut:

┌─────────────────────┐
│   User / Student    │
└──────────┬──────────┘
           │
           ▼
┌─────────────────────┐
│  Capture / Upload   │
│    Face Image       │
└──────────┬──────────┘
           │
           ▼
┌─────────────────────┐
│   Flutter Mobile    │
│     Application     │
└──────────┬──────────┘
           │
           ▼
┌─────────────────────┐
│   AI Model / API    │
│   EfficientNetV2    │
└──────────┬──────────┘
           │
           ▼
┌─────────────────────┐
│ Face Detection &    │
│ Multi-Label Result  │
└──────────┬──────────┘
           │
           ▼
┌─────────────────────┐
│  Prediction Result  │
│  + Bounding Box     │
└─────────────────────┘

---

🧠 AI Model

Sistem menggunakan model EfficientNetV2 yang telah melalui proses fine-tuning untuk kebutuhan klasifikasi multi-label. Model digunakan untuk menganalisis karakteristik wajah dan memberikan prediksi terkait kondisi kelelahan.

Output dari proses inferensi kemudian diintegrasikan ke dalam aplikasi Flutter sehingga pengguna dapat memperoleh hasil analisis secara langsung.

Konsep utama sistem:

• Model: EfficientNetV2
• Task: Multi-label Classification
• Input: Face Image
• Output: Fatigue-related Prediction
• Visualization: Face Bounding Box
• Application: Flutter Mobile App

---

🛠️ Tech Stack

Technology	Usage
Flutter	Mobile application development
Dart	Application programming language
EfficientNetV2	AI model for fatigue classification
Python / Deep Learning	Model development and fine-tuning
HTTP API	Communication between application and AI model
Camera	Real-time image capture
Image Picker	Image selection from device
Path Provider	Local file and path management

---

📂 Repository Scope

Repository ini berisi implementasi sisi aplikasi mobile yang digunakan untuk menghubungkan model AI dengan aplikasi Flutter.

Secara umum, cakupan repository meliputi:

• Pengembangan antarmuka aplikasi mobile.
• Pengambilan gambar menggunakan kamera smartphone.
• Pemilihan gambar dari perangkat.
• Pengelolaan dan pemrosesan citra sebelum inferensi.
• Integrasi komunikasi dengan model AI melalui API.
• Pengiriman citra untuk proses inferensi.
• Penerimaan hasil prediksi dari model AI.
• Penyajian hasil deteksi kepada pengguna.

Repository ini tidak berfokus pada proses training atau fine-tuning model AI, melainkan pada implementasi dan integrasi model ke dalam aplikasi mobile.

---

🚀 Getting Started

Prerequisites

Pastikan perangkat telah memiliki:

• Flutter SDK
• Dart SDK
• Android Studio atau Android SDK
• Smartphone Android atau Android Emulator

Installation

Clone repository:

git clone https://github.com/kevinnaufaldany/fatique_aps.git

Masuk ke direktori project:

cd fatique_aps

Install dependencies:

flutter pub get

Jalankan aplikasi:

flutter run

---

📱 Application

Versi aplikasi yang dapat digunakan untuk mencoba sistem tersedia pada halaman release:

👉 Download Student Fatigue Detection System

---

🔗 Related Repository

Source code integrasi aplikasi mobile tersedia pada repository berikut:

👉 GitHub Repository – fatique_aps

Repository ini berfokus pada implementasi aplikasi Flutter dan integrasi dengan sistem AI untuk menyediakan pengalaman deteksi kelelahan berbasis citra wajah melalui perangkat mobile.

---

🎯 Project Objective

Project ini dikembangkan sebagai implementasi solusi Artificial Intelligence secara end-to-end, dengan menghubungkan model deep learning dengan aplikasi mobile yang dapat digunakan secara langsung oleh pengguna.

Melalui project ini, sistem diharapkan dapat menjadi salah satu pendekatan teknologi untuk membantu mengidentifikasi indikasi kelelahan berdasarkan karakteristik visual wajah secara otomatis.

---

👨‍💻 Developer Integration Task

Kevin Naufal Dany

📄 License

This project is developed for educational and portfolio purposes.