Sistem Inspeksi Visual Penempatan Label Produk Lip Cream Line Menggunakan Metode Deep Learning

Abstract

Mesin SBL (Single Bottom Labeller) yang masih belum presisi untuk penempatan bottom label batch dari produk lip cream. Operator pos selanjutnya harus memerika satu persatu untuk memastikan quality control produk sehingga terdapat bottleneck. Maka dari itu dalam penelitian ini menggunakan metode deep learning YOLOv5 untuk memecahkan masalah tersebut. Algoritma YOLOv5 menggunakan ide regresi, sehingga lebih mudah untuk mempelajari generalisasi, menargetkan karakteristik dan memecahkan masalah kecepatan. Algoritma YOLO menggunakan jaringan saraf one stage untuk menyelesaikan lokalisasi dan klasifikasi objek yang terdeteksi secara real time. Ide inti dari YOLO adalah menggunakan seluruh gambar sebagai input jaringan dan langsung mengembalikan posisi kotak pembatas dan kelas kotak pembatas pada output. Di YOLO, setiap kotak pembatas diprediksi oleh fitur dari keseluruhan gambar, dan setiap kotak pembatas berisi lima prediksi dan confidence, yang relatif terhadap sel grid di tengah kotak pembatas. Hasil dari penelitian menggunakan metode YOLOv5 dapat mengklasifikasi dalam tiga kategori klasifikasi penempatan bottom label yaitu Accept, Reject dan No Label. Selain melakukan klasifikasi, penelitian ini juga akan mengirimkan trigger ke controller apabila bottom label dikatakan Reject dan No Label untuk dilakukan sortir produk guna membantu operator QC dalam penyortiran  lip cream cacat produksi.