Rancang Bangun dan Implementasi Sistem Klasifikasi Berbasis Object Detection dengan Metode Convolutional Neural Network (CNN) pada Alat Sortir Barang Otomatis
Hingga saat ini, sistem sortir barang di industri masih banyak dilakukan secara manual yang cenderung kurang efisien, memerlukan waktu lebih lama, dan rawan kesalahan. Seiring perkembangan teknologi, diperlukan sistem otomatis yang mampu mendeteksi dan mengklasifikasikan barang secara cepat dan akurat. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem klasifikasi berbasis object detection dengan metode Convolutional Neural Network (CNN) pada alat sortir barang otomatis, sehingga dapat menjadi solusi alternatif pengganti metode konvensional. Metode penelitian meliputi pengumpulan dataset citra objek (kotak, segitiga, dan lingkaran), pelatihan model CNN, perancangan sistem mekanik dan elektronik, integrasi perangkat keras menggunakan Jetson Nano sebagai unit pemrosesan utama serta ESP32 sebagai pengendali aktuator, dan pengujian sistem dalam berbagai kondisi pencahayaan serta latar belakang. Komunikasi antarperangkat dilakukan melalui antarmuka UART dan I2C, serta dilengkapi dengan LCD touchscreen sebagai antarmuka pengguna. Parameter pengujian meliputi akurasi klasifikasi objek, kecepatan proses sortir, serta kestabilan sistem pada kondisi lingkungan yang berbeda. Hasil pengujian menunjukkan bahwa sistem mampu mengklasifikasikan bentuk objek dengan tingkat akurasi yang baik dan waktu proses maksimal 1,5 menit untuk setiap siklus sortir. Secara keseluruhan, sistem sortir otomatis berbasis CNN yang dirancang dapat bekerja sesuai harapan dan efektif untuk mendukung otomatisasi industri berbasis visi komputer dan kecerdasan buatan.