Pengenalan Warna Label Pada Sistem Pengisian Botol Menggunakan YOLOv8

Kemajuan teknologi Artificial Intelligence (AI) telah memperluas penerapannya pada berbagai sektor industri, termasuk sektor F&B. Industri F&B dituntut untuk memenuhi target produksi dengan kecepatan tinggi tanpa mengurangi kualitas produk, dua hal yang sulit dipertahankan apabila hanya mengandalkan proses manual. Oleh sebab itu, penelitian ini bertujuan mengembangkan sistem deteksi warna label botol dengan dua kelas yaitu: “MERAH” dan “BIRU” sebagai tahap klasifikasi otomatis untuk menentukan berapa volume yang akan dialirkan pada proses pengisian cairan. Metode yang digunakan dalam penelitian ini adalah Convolutional Neural Network (CNN) melalui Algoritma YOLOv8. Dataset dikembangkan menggunakan platform Roboflow untuk proses anotasi dan pra-pemrosesan citra. Hasil penelitian menunjukkan bahwa model YOLOv8 memiliki performa yang sangat baik dengan nilai rata-rata precision rata-rata sebesar 100%, recall sebesar 98,35%, F1-score sebesar 99,15%, dan Accuracy sebesar 98,35%. Pengujian pada tiga pencahayaan berbeda mencapai akurasi hingga 66,67%. Pada tahap pengujian real-time di sistem pengisian otomatis, model mampu mencapai akurasi 100% tanpa kesalahan klasifikasi antar kelas serta menunjukkan performa yang stabil. Implementasi pada Raspberry Pi 4B menggunakan format ONNX juga berhasil dijalankan secara real-time dengan rata-rata waktu inferensi sebesar 120,1 ms/frame dan kecepatan pemrosesan sebesar 7,807 FPS. Hasil tersebut menunjukkan bahwa sistem layak diterapkan untuk mendukung otomatisasi proses produksi pada industri F&B.