PREDIKSI AREA KAPUR PADA BERAS MENGGUNAKAN MODEL YOLO-V5 DAN U2 -NET

Abstract

Penelitian ini membahas deteksi dan identifikasi kapur pada butir beras dengan mengembangkan model berbasis kecerdasan buatan, yaitu YOLOv5 dan U2 -Net. YOLOv5 digunakan untuk mendeteksi bounding box butir beras dari gambar kumpulan butir beras, sementara U2 -Net digunakan untuk melakukan segmentasi kapur pada butir beras tersebut. Metode ini diusulkan sebagai solusi untuk mengatasi permasalahan identifikasi kapur yang selama ini masih dilakukan secara manual. Hasil penelitian menunjukkan bahwa YOLOv5 mampu mendeteksi lokasi butir beras dengan akurasi mAP50 dan mAP50-95 masing-masing sebesar 0.995 dan 0.864, serta U2- Net berhasil mengidentifikasi area kapur dengan nilai Mean Absolute Error (MAE) dan Root Mean Squared Error (RMSE) secara berurutan sebesar 8.61 pada ambang batas 95 dan 11.95 pada ambang batas 90.