Pengujian Algoritma Computer Vision untuk Deteksi Cacat pada Produk Hasil Alumunium Casting di PT. XYZ

Penelitian ini membahas tantangan yang dihadapi oleh PT. XYZ, sebuah perusahaan otomotif terkemuka di Indonesia, dalam mendeteksi kebocoran pada komponen mobil yang diproduksi melalui die casting aluminium. Metode pemantauan manual yang ada saat ini memakan waktu, rentan terhadap kesalahan manusia, dan menimbulkan risiko terhadap kualitas produk dan keselamatan operasional. Untuk mengatasi tantangan ini, penelitian ini mengusulkan penerapan machine learning, khususnya teknik computer vision, seperti Object Detection untuk mengidentifikasi dan melokalisasi gelembung gas menggunakan Leak Tester Machine yang dilengkapi sensor kamera yang dilengkapi algoritma YOLO dan SSDMobileNetV3 untuk meningkatkan efisiensi proses deteksi. Gambaran umum sistem secara keseluruhan menunjukkan pergeseran dari pendekatan manual ke sistem otomatis, dengan memanfaatkan algoritma computer vision dan hardware seperti Nvidia Jetson dan Digital Camera. Algoritma YOLO dipilih sebagai algoritma terbaik dengan akurasi yang tinggi, mencapai precision sebesar 0.94, recall sebesar 0.82, dan mAP@0.5 sebesar 0.90 dibandingkan dengan algoritma SSD MobileNetV3 yang memiliki precision 0.19 dan recall 0.75, menunjukkan bahwa algoritma YOLO adalah pilihan yang lebih unggul untuk sistem ini. Dengan menggunakan metode Computer Vision untuk deteksi cacat pada produk hasil alumunium casting, efisiensi proses deteksi bubble meningkat dari 5-9 detik per produk menggunakan Human Vision menjadi hanya 1-2 detik per produk, menjadikannya layak digunakan dalam mesin leak tester.