Pengembangan Sistem Pendeteksi Cacat Fisik pada Tablet Obat Menggunakan You Only Look Once (YOLO) v12 Berbasis Citra Digital
Pengendalian mutu fisik tablet obat sangat krusial dalam industri farmasi. Namun, inspeksi secara manual rentan terhadap human error dan tidak efisien untuk produksi massal. Oleh karena itu, diperlukan sistem inspeksi otomatis berbasis computer vision dan edge computing di jalur konveyor. Penelitian ini bertujuan mengembangkan sistem pendeteksi cacat fisik tablet menggunakan algoritma YOLOv12 dan mengevaluasi kinerjanya pada perangkat edge Orange Pi 4 Pro. Sistem dirancang mengenali tablet normal dan lima jenis cacat (chipping, cracking, dirt, discoloration, splitting) menggunakan 1.785 citra gabungan, dengan 1.100 citra dataset primer dan 685 citra dataset sekunder. Model YOLOv12 Nano dilatih dengan metode transfer learning pada rasio pembagian dataset 70:20:10. Evaluasi pada data uji menunjukkan kinerja optimal dengan
[email protected] 99,38%, presisi 98,44%, recall 97,34%, dan F1-Score 97,89%. Pada tahap deployment, model dikonversi ke format NCNN dan diuji pada prototipe alat sortir. Hasil pengujian prototipe menghasilkan kecepatan inferensi 10,45 FPS, dengan ketepatan deteksi 87% (konveyor diam) dan 76,7% (konveyor bergerak). Kesimpulannya, meskipun akurasi model secara algoritma sangat tinggi, implementasi perangkat keras pada Orange Pi 4 Pro masih memerlukan optimasi lanjutan untuk mencapai target operasional real-time 30 FPS dan akurasi 90%.
URI
https://repo.itera.ac.id/depan/submission/SB2611170003
Keyword