Computer File

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.
Kata kunci: Quality Control, Defect Products, Computer Vision, Object Detection,
Leak Tester

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

CD-2240097.1

Penerbit

Bandung : Polman., 2024

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

D4 Prodi Teknologi Rekayasa Otomasi 2024

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar