🔬 CPIS: Deep Learning-based Corroded Pipe Image Segmentation App

CPIS adalah aplikasi berbasis Streamlit untuk melakukan segmentasi gambar korosi menggunakan model deep learning. Aplikasi ini memungkinkan pengguna untuk memilih model, mengunggah gambar, melakukan segmentasi, serta mengevaluasi hasilnya dengan metrik seperti IoU dan Dice Coefficient.

🌐 Coba Aplikasinya di Sini: https://dmys-msis-cp.streamlit.app/

---

📌 Fitur Utama

• 🔍 Segmentasi Gambar Korosi secara interaktif.
• 🧠 Mendukung dua model deep learning: Mobile U-Net & BiSeNetV3.
• 📏 Opsi ukuran segmentasi gambar (128x128, 256x256).
• 🎨 Visualisasi hasil segmentasi dan overlay.
• 📊 Evaluasi performa model menggunakan mIoU & Dice.
• 📥 Antarmuka upload yang user-friendly.
• 🖼️ Dukungan multi-kelas korosi (3 kelas warna: merah, biru, hijau).

---

🚀 Instalasi

1. Clone Repository

git clone https://github.com/username/CPIS.git
cd CPIS

2. Buat Virtual Environment (Opsional tapi disarankan)

python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

3. Install Dependencies

pip install -r requirements.txt

4. Jalankan Aplikasi

streamlit run app.py

---

🧠 Model Deep Learning

Aplikasi ini mendukung dua model pretrained untuk segmentasi korosi:

Model	Backbone	Ukuran Input	Format
Mobile U-Net	EfficientNetB1	256, 256	.keras
BiSeNetV3	EfficientNetB1	256, 256	.keras

Model-model disimpan dalam folder models/ dan dimuat sesuai pilihan user di aplikasi.

---

🖼️ Tampilan Menu

🔹 Menu: About

Menampilkan penjelasan tentang tujuan dan langkah penggunaan aplikasi.

🔹 Menu: Segmentasi

• Pilih model dan ukuran input
• Unggah gambar yang akan disegmentasi
• Lakukan segmentasi
• Tampilkan hasil segmentasi, overlay, dan informasi korosi (persentase + warna)

🔹 Menu: Metriks

• Unggah gambar asli dan Ground Truth
• Pilih model dan ukuran
• Evaluasi performa segmentasi dengan mIoU dan Dice Coefficient

---

🎨 Format Warna Segmentasi

Kelas	Warna Visualisasi
0 (Latar)	Merah
1 (Korosi 1)	Biru
2 (Korosi 2)	Hijau

---

🧪 Contoh Gambar

• data/sample/: Folder berisi contoh gambar input dan ground truth yang bisa digunakan untuk uji coba.

---

📁 Struktur Proyek

CPIS/
│
├── models/                 # Model terlatih (.keras)
├── data/                   # Contoh gambar dan ground truth
├── app.py                  # File utama aplikasi Streamlit
├── utils/                  # Fungsi bantu seperti preprocessing, evaluasi
├── requirements.txt        # Daftar dependensi
└── README.md               # Dokumentasi proyek ini

---

👤 Tentang Pembuat

Nama: David Mario Yohanes Samosir
Jenis Proyek: Tugas Akhir (SKRIPSI), 2025

📧 Email: davidmario484@gmail.com
📷 Instagram: @dmys_6
💼 LinkedIn: David Mario Yohanes Samosir

---

Dibuat untuk mendukung deteksi dan analisis korosi berbasis AI.