Sistem Klasifikasi Ayam dan Telur Berbasis Convolutional Neural Network

Kebutuhan akan sistem yang mampu mengidentifikasi jenis makanan sekaligus memberikan informasi nilai gizi secara praktis mendorong pengembangan teknologi timbangan pintar berbasis kecerdasan buatan. Penelitian ini mengembangkan sistem timbangan pintar yang menggabungkan metode Convolutional Neural Network (CNN) dan sensor berat untuk mengenali jenis makanan serta memperkirakan kandungan protein dan kalori secara otomatis. Sistem terdiri atas Raspberry Pi 4B sebagai unit pemrosesan utama, kamera webcam FHD sebagai perangkat akuisisi citra, dan sensor load cell untuk memperoleh data berat objek. Model CNN dibangun menggunakan TensorFlow dan Keras dengan menerapkan teknik data augmentation serta Early Stopping guna meningkatkan kemampuan generalisasi model. Selanjutnya, model hasil pelatihan dikonversi ke format TensorFlow Lite sehingga dapat diimplementasikan pada perangkat Raspberry Pi. Pengujian model menunjukkan bahwa sistem mampu melakukan klasifikasi objek pada data uji dengan performa yang baik. Pada tahap implementasi secara realtime, sistem berhasil mengidentifikasi 42 dari 50 sampel pengujian dengan tingkat akurasi sebesar 84% dengan pencahayaan berada di rentang 50-500 lux. Hasil penelitian menunjukkan bahwa integrasi CNN dan sistem timbangan pintar dapat digunakan untuk mendukung proses identifikasi makanan serta estimasi kandungan nutrisi secara otomatis. Meskipun demikian, performa sistem pada kondisi realtime masih dipengaruhi oleh faktor pencahayaan, posisi objek, dan kondisi lingkungan saat proses pengambilan citra.