Sistem Identifikasi Jumlah Produk Berbasis Pengolahan Citra dengan Algoritma YOLO pada Proses Pengepakan Industri Manufaktur
Bilah Samping Artikel
Isi Artikel Utama
Abstrak
Machine vision merupakan teknologi yang biasa digunakan pada industri modern untuk analisis dan inspeksi otonom berbasis citra. Machine vision membantu proses analisis dan inspeksi produk di industri lebih cepat dibandingkan dengan analisis dan inspeksi manual. Penelitian ini menerapkan machine vision pada sistem identifikasi jumlah produk berbasis pengolahan citra pada proses pengepakan industri manufaktur dengan menggunakan algoritma YOLOv4 dan evaluasi sistem confusion matrix. Hasil dari identifikasi disimpan di database dan ditampilkan pada website agar memudahkan proses monitoring. Sistem ini telah melakukan beberapa pengujian terutama pengujian fungsi utama sistem yatu perhitungan produk, dilakukan 10x percobaan. Kemudian, pengujian variasi intesitas cahaya dengan range 20 – 225lux dan variasi ketinggian dengan range 48 – 68 cm dengan masing – masing pengujian sebanyak 10x percobaan. Dari pengujian yang telah dilakukan diterapkan evaluasi confusion matrix dan menghasilkan akurasi dan presisi sebesar 100% dan error sebesar 0%. Kecepatan komputasi rata – rata dari sistem ini sebesar 6.95 FPS dengan bantuan CUDA.
##plugins.generic.usageStats.downloads##
Rincian Artikel
Artikel yang diajukan untuk dipublikasikan pada JTRM (Jurnal Teknologi dan Rekayasa Manufaktur) ini adalah karya dari penulis dan/atau tim penulis yang memiliki pembahasan pada bidang sains dan teknologi. Naskah tersebut belum pernah dipublikasikan di Jurnal (media) apapun atau tidak sedang diajukan untuk dipublikasikan pada jurnal atau prosiding lain. Apabila terdapat duplikasi penerbitan, artikel akan dicabut/dihapus oleh Dewan Redaksi.
Nama dan alamat email yang dimasukkan pada laman JTRM (Jurnal Teknologi dan Rekayasa Manufaktur) hanya akan digunakan sebatas kepentingan penerbitan artikel pada laman JTRM (https://jtrm.polman-bandung.ac.id/) dan tidak akan diberikan kepada pihak lain untuk kepentingan apapun.
Referensi
[2] “Machine vision Systems Capabilities, Uses, And Applications.” https://www.lacconveyors.co.uk/machine-vision-systems-provided/ (accessed Jan. 10, 2023).
[3] “What Is Machine vision and How Does it Work?” https://www.techtarget.com/searchenterpriseai/definition/machine-vision-computer-vision (accessed Jan. 10, 2023).
[4] J. Beyerer, F. P. León, and C. Frese, Machine vision: Automated visual inspection: Theory, practice and applications. 2015. doi: 10.1007/978-3-662-47794-6.
[5] V. Nandini, R. Deepak Vishal, C. Arun Prakash, and S. Aishwarya, “A Review on Applications of Machine vision Systems in Industries,” Indian J. Sci. Technol., vol. 9, no. 48, 2016, doi: 10.17485/ijst/2016/v9i48/108433.
[6] M. A. Khalim, A. H. Kurniawan, and C. Supriadi, “Sistem informasi penghitungan hasil produk berbasis internet of things,” vol. 2, no. 1, 2021.
[7] M. Waterfall, “Penerapan Metodologi Waterfall Pada Rancangan,” vol. 11, no. 1, pp. 1–12.
[8] F. Mahardika, K. A. Purwanto, and D. I. Surya Saputra, “Implementasi Metode Waterfall pada Proses Digitalisasi Citra Analog,” VOLT J. Ilm. Pendidik. Tek. Elektro, vol. 2, no. 1, p. 63, 2017, doi: 10.30870/volt.v2i1.948.
[9] D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” J-SAKTI (Jurnal Sains Komput. dan Inform., vol. 5, no. 2, pp. 697–711, 2021.