Sistem Sortir Cap Bottle Badge Berdasarkan Citra Menggunakan Metode Convolutional Neural Network

Pratama, Naufal Rizky Toti (2023) Sistem Sortir Cap Bottle Badge Berdasarkan Citra Menggunakan Metode Convolutional Neural Network. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 10311910000083-Undergraduate_Thesis (2).pdf - Accepted Version Restricted to Repository staff only until 1 September 2025. Download (9MB) | Request a copy

Abstract

Pada tahun 2020, sebuah perusahaan minuman kesehatan menghadapi masalah di mana terjadi kesalahan pada tutup botol yang tidak sesuai, khususnya terdapat tutup botol dari perusahaan lain yang menempel pada botol. Karena perusahaan belum memiliki mesin quality control untuk mendeteksi Cap Bottle Badge, hal ini menyebabkan kerugian bagi perusahaan. Oleh karena itu, dirancang sebuah sistem prototipe alat yang menggunakan Convolutional Neural Network yang dijalankan dengan Tensorflow Lite untuk mendeteksi Cap Bottle Badge. Pada penelitian ini, dibuat sebuah prototipe yang dilengkapi dengan sistem sortir. Sistem menggunakan Tensorflow Lite untuk menangkap citra dan memprosesnya melalui Convolutional Neural Network untuk mendeteksi Cap Bottle Badge. Peran Convolutional Neural Network disini adalah sebagai pengekstaksi fitur hasil tangkapan gambar beserta klasifikasinya. Hasilnya adalah kotak pembatas dan persentase nilai confidence yang menunjukkan seberapa yakinnya model dalam melakukan prediksi atau klasifikasi objek. Model disini adalah hasil dari training dataset sebanyak 960 gambar dengan komposisi training sebanyak 80% dan testing sebanyak 20%. Selain itu, probabilitas kelas dalam kotak-kotak tersebut juga ditampilkan. Hasil deteksi dan klasifikasi produk ditampilkan pada monitor, dan sinyal kontrol akan mengirimkan sinyal melalui Relay ke Solenoid Valve untuk melakukan penyortiran produk yang tidak sesuai (reject). Hasil dari perancangan sistem sortir ini menunjukkan bahwa sistem memiliki tingkat akseptansi (rate acceptance) sebesar 99,25%. Hal ini mengindikasikan tingkat keberhasilan sistem dalam mendeteksi Cap Bottle Badge dengan akurasi yang baik karena nilai confident minimal untuk penerapan Convolutional Neural Network adalah 85% .
=====================================================================================================================================
In 2020, a health drink company faced a problem where there was an error in the wrong bottle cap, especially when another company's bottle cap stuck to the bottle. Because the company does not yet have a quality control machine to detect the Cap Bottle Badge, this causes losses for the company. Therefore, a prototype system was designed that uses a Convolutional Neural Network running with tensorflow lite to detect the Cap Bottle Badge. In this study, a prototype was created which is equipped with a sorting system. The system uses Tensorflow Lite to capture images and processes them through a Convolutional Neural Network to detect the Cap Bottle Badge. The role of the Convolutional Neural Network here is to extract the captured image features and their classification. The result is a bounding box and a percentage confidence value that shows how confident the model is in predicting or classifying objects. The model here is the result of a training dataset of 960 images with a composition of 80% training and 20% testing. In addition, the class probabilities in the boxes are also displayed. The results of product detection and classification are displayed on the monitor, and a control signal will send a signal via the Relay to the Solenoid Valve to sort out non-conforming products (reject). The results of this sorting system design show that the system has an acceptance rate of 99.25%. This indicates the success rate of the system in detecting the Cap Bottle Badge with good accuracy because the minimum confidence value for the implementation of the Convolutional Neural Network is 85%

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Cap Bottle Badge ,Covolutional Neural Network, Sistem Sortir, Tensorflow Lite.
Subjects:	T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques
Divisions:	Faculty of Vocational > 36304-Automation Electronic Engineering
Depositing User:	Naufal Rizky Toti Pratama
Date Deposited:	29 Aug 2023 07:02
Last Modified:	29 Aug 2023 07:02
URI:	http://repository.its.ac.id/id/eprint/103780

Actions (login required)

View Item