Skripsi/Tugas Akhir

Penerapan Quality Defect Detection untuk Memprediksi Kesegaran dan Kecacatan Buah Alpukat Menggunakan Yolo V5 dan Pytorch

---

Rating Anda tentang Buku ini!

---

ABSTRAK
Buah alpukat (Persea americana Mill) adalah salah satu jenis buah yang dapat tumbuh subur didaerah tropis seperti Indonesia. Akan tetapi, semakin meningkatnya permintaan terhadap buah alpukat, akan berpengaruh pada proses pascapanen buah tersebut seperti adanya kecacatan pada buah alpukat. Hal ini dapat menghasilkan kualitas buah yang menurunkan minat para konsumen dan nilai produk buah menjadi tidak stabil apabila dilakukan secara manual. Sistem deteksi ini menggunakan algoritma YOLOv5 dan framework PyTorch dan dua arsitektur yaitu MobileNetV2 dan ResNet-50. Penelitian ini bertujuan untuk menciptakan sistem pendeteksi jenis kecacatan pada buah alpukat yang dapat membantu dalam pengelolaan kualitas kesegaran buah alpukat secara efisien dan akurat serta memberikan kontribusi signifikan terhadap produksi buah dibidang pertanian. Hasil pelatihan model dari keempat kelas dengan menggunakan 783 data training, 69 data validation, dan 35 data testing, dengan menggunakan arsitektur MobileNetV2 mendapatkan presisi sebesar 87%, dan recall sebesar 92%. Sedangkan hasil pelatihan model menggunakan arsitektur ResNet-50 mendapatkan presisi sebesar 98%, dan recall sebesar 95%, sehingga penulis menyimpulkan algoritma YOLOv5 dan framework PyTorch dengan menggunakan arsitektur ResNet-50 memiliki model yang sangat baik dalam melakukan deteksi kesegaran dan kecacatan pada buah alpukat.
Kata Kunci: YOLOv5, ResNet-50, PyTorch, Deteksi Objek, dan Buah Alpukat

ABSTRACT
Avocado fruit (Persea americana Mill) is one type of fruit that can thrive in tropical areas such as Indonesia. However, the increasing demand for avocado fruit, will affect the post-harvest process of the fruit such as defects in avocado fruit. This can result in fruit quality that reduces the interest of consumers and the value of fruit products becomes unstable if done manually. This detection system uses the YOLOv5 algorithm and PyTorch framework and two architectures namely MobileNetV2 and ResNet-50. This research aims to create a defect detection system for avocado fruit that can assist in managing the quality of avocado fruit freshness efficiently and accurately and make a significant contribution to fruit production in agriculture. The results of model training from the four classes using 783 training data, 69 validation data, and 35 testing data, using the MobileNetV2 architecture get a precision of 87%, and a recall of 92%. While the results of model training using the ResNet-50 architecture get a precision of 98%, and a recall of 95%, so the author concludes the YOLOv5 algorithm and the PyTorch framework using the ResNet-50 architecture have a very good model in detecting freshness and defects in avocado.
Keywords: YOLOv5, ResNet-50, PyTorch, Object Detection, and Avocado Fruit

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 24-50 TAN p - 0799TI

Penerbit

Makassar : Universitas DIPA., 2024

Deskripsi Fisik

xiv + 68 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 24-50

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 12 September 2024

Subjek

Skripsi/Tugas Akhir
You Only Look Once (YOLO)
Quality Defect Detection

Lampiran File