Mahasiswa Departemen Teknik Perkapalan tersebut memaparkan, YOLO-Boat menggunakan beberapa teknologi. YOLO-Boat menggunakan lambung kapal katamaran atau lambung dua, di mana lambung ini sudah didesain agar memiliki stabilitas yang baik dalam melakukan misinya.
Pada sistem pendorongnya, menurut Andreas, digunakan sistem propulsi azimuth yang dapat meningkatkan kapabilitas YOLO-Boat dalam bermanuver di perairan. “Kami juga mendesain sistem elektrikal seefisien mungkin, baik dari sistem kontrol maupun manajemen power kapal,” terang Andreas lagi.
Selain itu, dikatakan Andreas, dalam operasionalnya YOLO-Boat menggunakan Robot Operating System (ROS) sebagai kerangka kerja utama. Kapal ini menggunakan beberapa sensor yang berfungsi untuk memberikan data lokasi dan orientasi yang nantinya digunakan dalam guided navigation YOLO-Boat.
Dalam penggunaan teknologi Computer Vision, dibuat model object detection khusus, yakni arsitektur YOLOv4 berbasis Convolutional Neural Network (CNN). “Pada operasionalnya, computer vision inilah yang mengidentifikasi dan memungkinkan YOLO-Boat untuk datang mengamankan korban,” beber Andreas.
Lebih lanjut, Andreas menjelaskan bahwa sebelum diujikan ke lapangan, YOLO-Boat terlebih dahulu diuji algoritmanya dengan menggunakan simulator agar dapat memprediksi pelaksanaan operasi penyelamatan.
“YOLO-Boat juga dilengkapi dengan sistem User Interface untuk penyesuaian parameter pada saat pengujian serta membantu dalam proses pemantauan,” papar mahasiswa yang tengah menempuh tahun terakhir kuliahnya ini.
Dalam penerapannya, YOLO-Boat harus dibawa terlebih dahulu menggunakan kapal penyelamat ke perairan yang ditetapkan sebagai lokasi kecelakaan. Kemudian YOLO-Boat akan dilepaskan ke laut dan memulai proses pencarian korban. Ketika korban terdeteksi, YOLO-Boat akan memberikan pelampung kepada korban.