Sistem Deteksi Warna, Bentuk dan Penghitungan Otomatis Sabun Batang Berbasis Convolutional Neural Network (CNN)

Penelitian ini membahas perancangan dan implementasi sistem otomatisasi klasifikasi sabun batang berbasis Convolutional Neural Network (CNN) dan komunikasi MQTT (Message Queuing Telemetry Transport). Sistem ini dirancang untuk mengidentifikasi warna, bentuk, serta menghitung jumlah sabun batang secara otomatis pada jalur produksi industri. Proses klasifikasi dilakukan menggunakan kamera yang terhubung ke perangkat Raspberry Pi, dengan bantuan metode CNN untuk menganalisis citra sabun secara realtime. Dataset citra sabun dikategorikan ke dalam tiga kelas dan dengan jumlah, yaitu sabun merah, sabun hijau, dan sabun tidak layak (NG) yang mencakup cacat warna atau bentuk. Data citra melalui tahap preprocessing dan augmentasi guna meningkatkan performa model serta mengurangi overfitting. Pelatihan model dilakukan dengan menggunakan data citra terstruktur dan dibagi menjadi data latih, validasi, dan uji. Pada pengujian terbaik, yaitu percobaan keempat, sistem mencapai akurasi sebesar 88 persen dengan jumlah epoch optimal sebanyak 15 epoch. Model juga memperoleh nilai macro precision sebesar 92 persen, macro recall sebesar 80 persen, dan macro F1-score sebesar 84 persen. Hasil dari precission per kelas (AP) yaitu pada kelas NG dengan nilai 0.9404 (94.04 persen), green 0.9764 (97.64 persen), dan red 0.946 (94.61 persen). Dengan data seperti itu maka dihasilkan nilai rata-rata (mAP) sebesar 0.954 (95.43 persen) dengan rata-rata per kelas yang menunjukan tidak adanya ketimpangan antar kelas.Selain itu, pada pengujian realtime di atas konveyor sebanyak 50 kali, sistem berhasil mencapai tingkat akurasi deteksi sabun sebesar 62 persen. Sistem ini menunjukkan potensi dalam penerapan teknologi computer vision, CNN, dan MQTT untuk mendukung efisiensi serta efektivitas proses produksi secara otomatis di lingkungan industri manufaktur.