DETEKSI KECACATAN BIJI KOPI PADA MESIN KONVEYOR DENGAN MENGGUNAKAN ALGORITMA MASK R-CNN = DETECTION OF COFFEE BEAN DEFECTS ON CONVEYOR MACHINE USING MASK R-CNN ALGORITHM

Latar belakang. Kualitas biji kopi sangat memengaruhi nilai pasar dan penerimaan konsumen. Pendeteksian cacat pada biji kopi yang selama ini dilakukan secara manual memerlukan solusi otomatis untuk efisiensi dan akurasi yang lebih tinggi. Tujuan dan metode. Mengembangkan sistem deteksi otomatis cacat pada biji kopi dengan menggunakan algoritma Mask-RCNN berbasis arsitektur ResNet50. Sistem diuji pada video rekaman biji kopi yang bergerak di mesin konveyor pada kecepatan yang bervariasi dan berbagai tingkat kepadatan objek. Augmentasi data juga diterapkan untuk meningkatkan kinerja mode. Hasil. algoritma Mask-RCNN dengan arsitektur ResNet50, yang diuji pada rekaman video biji kopi yang bergerak di mesin konveyor dengan berbagai kecepatan (0,13 m/s, 0,25 m/s, dan 0,34 m/s) serta kepadatan objek yang berbeda (rendah, sedang, dan tinggi). Dengan augmentasi, akurasi klasifikasi (cls_accuracy) mencapai 94%, dengan tingkat false negative (FN) 0,05%, false positive (FP) 0,05%, total loss 0,52, dan F1 score 0,99. Tanpa augmentasi, akurasi klasifikasi hanya 90%, dengan false negative (FN) 0,23%, false positive (FP) 0,23%, total loss 0,79, dan F1 score 0,95. Model terbaik menunjukkan akurasi deteksi tertinggi sebesar 94% pada kecepatan 0,13 m/s dengan kepadatan rendah dan akurasi terendah 86% pada kepadatan tinggi dengan kecepatan 0,34 m/s. Kesimpulan. Penerapan algoritma Mask-RCNN dengan augmentasi data memberikan peningkatan signifikan dalam akurasi deteksi cacat pada biji kopi, dengan nilai F1 score tinggi dan penurunan false positive serta false negative yang signifikan. Sistem ini dapat menjadi solusi yang efisien untuk mengatasi tantangan dalam pendeteksian cacat biji kopi secara otomatis.