Optimasi Algoritma Yolo V5 Untuk Mendeteksi Cacat Produk Masker pada Mesin Produksi

Abstract

Dewasa ini teknologi mengalami perkembangan pesat terutama pada sektor industri. Penelitian ini mengusulkan pendekatan menggunakan algoritma You Only Look Once (YOLO) V5 untuk mendeteksi cacat pada produk masker. Dalam industri alat kesehatan, terutama produksi masker, otomatisasi dengan computer vision menjadi fokus untuk meningkatkan efisiensi proses produksi. Mesin produksi masker yang sangat cepat dalam memproduksi masker dimana kecepatan mesin tersebut mencapai 100 masker permenit seringkali menghasilkan cacat produk, seperti tali masker terputus. Sistem yang diusulkan menerapkan YOLO V5 untuk klasifikasi masker normal dan cacat menggunakan data latih. Algoritma YOLO V5, dengan variasi model seperti YOLOv5s, YOLOv5m, dan YOLOv5n, diuji dalam deteksi objek. Hasil pengujian menunjukkan YOLOv5m memiliki akurasi tertinggi mencapai 100%, sementara YOLOv5n memiliki kecepatan komputasi terbaik dengan 146 ms. Studi ini memberikan pemahaman mendalam tentang karakteristik model YOLO V5 dalam deteksi cacat produk masker, menggambarkan pilihan yang tepat berdasarkan kebutuhan produksi.

Kata kunci: Computer Vision,Cacat produk,Image Prosesing, YoloV5