Klasifikasi Buah Kopi dengan Visi Komputer pada Kecepatan Konveyor

Abstract

Kopi merupakan komoditas pertanian penting, namun proses sortasi manual seringkali tidak efisien. Pemanfaatan visi komputer dapat meningkatkan efisiensi dan akurasi, tetapi kecepatan konveyor seringkali menyebabkan gambar menjadi kabur (motion blur), yang menghambat identifikasi kematangan. Penelitian ini bertujuan untuk mengembangkan sistem sortasi yang akurat, bahkan saat buah kopi bergerak cepat, untuk meningkatkan kualitas produk. Metode yang digunakan adalah deteksi objek menggunakan YOLOv4, yang kemudian dilanjutkan dengan perbaikan gambar menggunakan Wiener filter dan Contrast Limited Adaptive Histogram Equalization (CLAHE) untuk mengatasi efek blur. Ekstraksi fitur dilakukan dengan ruang warna RGB, dan Support Vector Machine (SVM) digunakan untuk klasifikasi tingkat kematangan. Hasil penelitian menunjukkan bahwa pada kecepatan 35 rpm, baik Wiener filter maupun kombinasi Wiener filter dan CLAHE memberikan akurasi tertinggi sebesar 85.82%. Namun, seiring dengan peningkatan kecepatan konveyor, akurasi sistem menurun secara signifikan. Pada kecepatan 60 rpm, akurasi dengan Wiener filter turun menjadi 40.51%, sementara kombinasi Wiener filter dan CLAHE hanya mencapai 7.69%. Meskipun demikian, penelitian ini membuktikan bahwa visi komputer dapat menjadi solusi efektif untuk sortasi kopi, meskipun perlu adanya optimalisasi lebih lanjut untuk kecepatan yang lebih tinggi.