Rancang Bangun Sistem Deteksi Label Kardus Berbasis Model Kecerdasan Buatan YOLO dan EasyOCR serta ESP32-CAM

Abstract

Sistem Deteksi Label Kardus berbasis model YOLO dan EasyOCR merupakan sistem yang dirancang untuk mendeteksi keberadaan kardus serta tulisan pada label kardus menggunakan model kecerdasan buatan. Masukkan gambar untuk sistem deteksi label berasal dari ESP32-CAM yang mengirimkan gambar ke skrip Python via protokol WiFi. Penelitian ini bertujuan untuk menciptakan sistem pendeteksi label kardus yang cepat serta memiliki akurasi yang tinggi. Sabuk konveyor dibangun untuk menciptakan suasana simulasi asli.  Adapun spesifikasi utama sabuk konveyor yaitu panjang total sabuk konveyor = 30 cm, dan kecepatan sabuk konveyor = 1,626 cm/s. Berdasarkan hasil penelitian dapat diketahui bahwa waktu rata-rata respon pemrosesan dari ESP32-CAM adalah 0,762 detik. Dalam 40 iterasi pelatihan model YOLO dengan set data kustom, model terbaik yang dihasilkan memiliki loss deteksi objek sebesar 0,00997 dan mean Average Precision (mAP) sebesar 0,983. Hasil pendeteksian objek kardus dengan model YOLO yang sudah dilatih menghasilkan rata rata nilai confidence sebesar 58,002% pada gambar kardus berlabel. Model YOLO menggunakan threshold sebesar 0,5 yang memiliki rasio akurasi:error sebesar  19:1 dan hasil deteksi objek non kardus sebanyak 2/20 atau 10%. Setelah model YOLO berhasil mendeteksi kardus berlabel, maka digunakan model EasyOCR untuk membaca kata pada label kardus. Rata-rata nilai confidence tertinggi dicatatkan oleh label “jeruk” dengan nilai confidence sebesar 0,973364, sedangkan waktu pemrosesan gambar tercepat dicatatkan oleh label “ayam” dengan waktu rata-rata pemrosesan sebesar 11,47 detik. Hasil pembacaan label, nilai confidence pendeteksian kardus dan pembacaan label kemudian ditampilkan melalui laman website sederhana untuk mempermudah pengawasan secara real-time.

Kata Kunci: Sistem Deteksi Label Kardus, Kecerdasan Buatan, ESP32-CAM.