Deteksi Ikan Segar Secara Realtime dengan YOLOv4 menggunakan Metode Convolutional Neural Network

Abstract

Ikan merupakan komoditas mudah rusak yang memerlukan penanganan segera setelah dikeluarkan dari laut. Untuk ikan segar dapat dilihat jika tidak diberikan pengolahan khusus yang tepat, kualitas ikan akan menurun dengan hitungan jam. Setiap orang ingin membeli ikan yang halal, aman, sehat, dan berkualitas tinggi. Selain itu juga perlu mengetahui perbedaan ikan yang segar dan tidak segar, terkadang ada pedagang nakal, ikan yang tidak segar masih dijual. Sehingga produk menjadi tidak aman saat dikonsumsi dan dapat merugikan konsumen. Untuk mengetahui akurasi dan performansi algoritma pendeteksi kesegaran ikan di Yolov4 menggunakan metode convolutional neural network (CNN), penelitian ini membuat sistem pendeteksi ikan segar secara realtime. Seiring waktu, orang mengembangkan pengetahuan dan teknologi untuk mendukung dan memfasilitasi pekerjaan mereka. Penelitian ini menggunakan 118 data citra untuk pelatihan dan 13 data citra untuk pengujian, dengan pelatihan berlangsung selama 6000 epoch. Proses YOLOv4-CNN adalah hasil dari data yang telah dideteksi oleh YOLOv4 akan diklasifikasi modelnya oleh CNN dimana sebelumnya citra akan di resize sehingga seluruh data citra memiliki ukuran yang sama untuk memudahkan proses konvolusi, dilanjutkan dengan fungsi aktivasi, pooling layer, fully connected layer dan diakhiri dengan proses klasifikasi objek. Kemudian hasil klasifikasi akan diimplementasikan kembali pada YOLOv4 untuk mengetahui pendeteksian ikan segar telah terdeteksi dengan baik atau tidak. Hasil dari pendeteksian kesegaran ikan menggunakan algoritma YOLOv4-CNN dapat dinilai bekerja dengan baik. Pengujian sistem pada Yolov4-CNN memperoleh MAP sebesar 93.75%, dengan presisi 1.00%, recall 0.93%, f-Score 0.96% dan juga rata-rata nilai IoU sebesar 74.17%.