Deteksi Biji Kopi Cacat pada Conveyor Belt dengan RT-DETR = Detecting Defective Coffee Beans on Conveyor Belt with RT-DETR

Latar belakang. Proses penyortiran kopi umumnya dilakukan dengan cara yang bergantung sepenuhnya kepada manusia yang memberikan resiko human error akibat stres kerja, sehingga diperlukan adanya keterlibatan computer vision pada proses ini. Tujuan. Penelitian ini bertujuan menganalisis performa RT-DETR sebagai model machine learning dalam melakukan deteksi biji kopi cacat yang berada di atas konveyor yang sedang berjalan. Metode. Penelitian ini dilakukan dengan cara melatih model pada frame rekaman biji kopi yang berada di atas konveyor, selanjutnya model diuji pada berbagai skenario untuk analisis. Hasil. Model mencapai accuracy, precision, recall, dan mAP senilai 95% pada jarak kamera 10 cm dan kecepatan 35, 50, serta 70 RPM, sementara pada jarak kamera 15 cm berhasil mencapai performa terbaik pada kecepatan 35 RPM dengan accuracy, precision, dan recall 96% serta mAP 93%. Kesimpulan. RT-DETR berhasil diterapkan dalam mendeteksi dan mengklasifikasi biji kopi yang cacat dan tidak pada konveyor yang sedang bergerak, model juga memiliki ketahanan performa dalam berbagai skenario uji yang membuktikan fleksibilitas penerapan model.