Printed
Sistem Pemantauan Pada Pendeteksi Produk Cacat Menggunakan Image Processing Berbasis IOT
Dalam Industri manufaktur, salah satu perusahaan manufaktur alumunium
merasakan dampak dari tingginya tingkat persaingan industri alumunium dengan
mengalami penurunan volume penjualan. Quality control yang buruk sangat
membebani biaya operasional dan keuangan karena mencakup berbagai proses
seperti pengerjaan ulang produk, penarikan produk kembali pasca penjualan,
klaim garansi, dan perbaikan lainnya yang akan berdampak pada volume
penjualan. Perusahaan perlu mengoptimalkan pengumpulan data secara real-time
untuk deteksi dini masalah quality control secara otomatis karena jika dilakukan
secara manual, akan memakan waktu yang lebih lama dan sulit dipastikan
keakuratan datanya. Penelitian ini bertujuan untuk mengimplementasikan sistem
control dan monitoring pada smartphone dan LCD monitor secara real-time, serta
sistem deteksi pada plat alumunium cacat berdasarkan luas objek menggunakan
image processing dengan algoritma YOLOv8 pada proses quality control dengan
tujuan meminimalisir campur tangan manusia memakai sistem sortir, dan
mendapatkan data hasil proses quality control. Dari penelitian ini, hasil pengujian
perhitungan produk yang masuk didapatkan nilai error sebesar 0%, untuk
perhitungan luas plat aluminum didapatkan rata-rata error sebesar 1,45% dan ratarata error perhitungan luas cacat sebesar 1,76%. Kemudian, nilai rata-rata
confidence untuk mendeteksi dan mengklasifikasi objek sebesar 93,3% serta
kecepatan komputasi rata-rata dari sistem ini sebesar 30,758 FPS dengan bantuan
CUDA.
Kata kunci:Defect Detection, YOLOv8, Real-time, Conveyor, flutter
Tidak tersedia versi lain