Sistem Pemantauan pada Pendeteksi Produk Cacat Menggunakan Image Processing Berbasis IoT

Dalam Industri manufaktur, salah satu perusahaan manufaktur alumunium merasakan dampak dari tingginya tingkat persaingan industri alumunium dengan mengalami penurunan volume penjualan. Quality control yang buruk sangat membebani biaya operasional dan keuangan karena mencakup berbagai proses seperti pengerjaan ulang produk, penarikan produk kembali pasca penjualan, klaim garansi, dan perbaikan lainnya yang akan berdampak pada volume penjualan. Perusahaan perlu mengoptimalkan pengumpulan data secara real-time untuk deteksi dini masalah quality control secara otomatis karena jika dilakukan secara manual, akan memakan waktu yang lebih lama dan sulit dipastikan keakuratan datanya. Penelitian ini bertujuan untuk mengimplementasikan sistem control dan monitoring pada smartphone dan LCD monitor secara real-time, serta sistem deteksi pada plat alumunium cacat berdasarkan luas objek menggunakan image processing dengan algoritma YOLOv8 pada proses quality control dengan tujuan meminimalisir campur tangan manusia memakai sistem sortir, dan mendapatkan data hasil proses quality control. Dari penelitian ini, hasil pengujian perhitungan produk yang masuk didapatkan nilai error sebesar 0%, untuk perhitungan luas plat aluminum didapatkan rata-rata error sebesar 1,45% dan ratarata error perhitungan luas cacat sebesar 1,76%. Kemudian, nilai rata-rata confidence untuk mendeteksi dan mengklasifikasi objek sebesar 93,3% serta kecepatan komputasi rata-rata dari sistem ini sebesar 30,758 FPS dengan bantuan CUDA.