Deteksi Cacat pada Sekrup Berbasis Citra Menggunakan YOLOv5

Abstract

Pada dasarnya perusahaan menginginkan produk yang dihasilkannya berkualitas baik. Kenyataannya kecacatan suatu produk merupakan suatu hal yang sulit dihindari. Maka diperlukan kegiatan pengendalian kualitas. Pengendalian kualitas yang dilakukan manual membutuhkan waktu yang lama dengan tingkat subjektifias serta resiko human error yang tinggi. Diperlukan pemanfaatan teknologi untuk membantu kegiatan pengendalian kualitas. Salah satu teknologi yang dapat dimanfaatkan untuk pengendalian kualitas adalah Artificial Intelligence (AI) dengan metode deep learning menggunakan arsitektur YOLOv5 . Tujuan dari penelitian ini adalah mengembangkan model yang dapat mendeteksi kualitas sekrup berbasis citra yang diunggah. Pengolahan data dilakukan dengan Roboflow untuk proses preprocessing . Proses pembuatan model menggunakan Google Colab dengan bahasa pemrograman python . Hasil penelitian menunjukkan pelatihan mendapatkan waktu pelatihan sebesar 0.404 jam atau 24.24 menit, precision 0.842, recall 0.857, dan mean average precision 0.887. Uji coba yang dilakukan menghasilkan bahwa citra dapat terdeteksi dengan baik. Namun, terdapat beberapa citra yang kurang baik dan maksimal untuk dideteksi.