Algoritma YOLO V5 yang Efisien untuk Identifikasi Masker Cacat Pada Mesin Produksi

Abstract

Perkembangan teknologi dalam sektor industri khususnya pada produksi masker, menuntut solusi efisien untuk mengidentifikasi cacat pada produk. Penelitian ini mengusulkan pendekatan inovatif dengan menerapkan algoritma You Only Look Once (YOLO) V5 dalam konteks deteksi kecacatan masker pada mesin produksi masker. Mesin produksi masker yang beroperasi dengan kecepatan tinggi sering menghasilkan produk cacat, seperti tali masker terputus, yang memerlukan solusi cepat dan akurat. Metode penelitian ini melibatkan penerapan YOLO V5 dengan variasi model, termasuk YOLOv5s, YOLOv5m, dan YOLOv5n, untuk klasifikasi masker menjadi normal dan cacat. Pengujian dilakukan untuk mengevaluasi akurasi dan kecepatan komputasi masing-masing model. Hasil penelitian menunjukkan bahwa YOLOv5m mencapai tingkat akurasi tertinggi sebesar 100%, sementara YOLOv5n menonjol dengan kecepatan komputasi terbaik yaitu 146 ms. Penelitian ini memberikan pemahaman mendalam tentang efektivitas algoritma YOLO V5 dalam mendeteksi masker cacat pada mesin produksi. Implementasi model YOLO V5, terutama YOLOv5m dan YOLOv5n, dapat menjadi solusi efisien untuk meningkatkan kualitas produk masker dengan meminimalkan kecacatan pada proses produksi. Hasil penelitian ini memberikan landasan bagi pengembangan sistem deteksi cacat yang lebih tepat dalam industri produksi masker.