Printed
Rancang Bangun Mesin Penyortir Warna Tomat Cherry Berbasis Computer Vision
Penelitian ini bertujuan untuk mengembangkan sistem penyortiran otomatis berbasis computer vision yang mampu mengklasifikasikan tomat cherry berdasarkan tingkat kematangan dan kondisi fisik, yaitu: matang, setengah matang. mentah, dan busuk. Sistem ini dirancang untuk meningkatkan efisiensi proses sortir serta menyediakan data pemantauan secara real-time, termasuk jumlah, luas, dan rasio kematangan setiap tomat. Pemrosesan utama dilakukan melalui perangkat lunak Visual Studio Code dengan menggunakan OpenCV untuk pengolahan citra dan algoritma YOLOv8 untuk mendeteksi dan mengklasifikasikan tomat. Citra tomat yang ditangkap kamera dianalisis berdasarkan warna dominan dan bentuk untuk mengidentifikasi tingkat kematangan: merah (matang), oranye-kuning (setengah matang), hijau (mentah), dan kehitaman (busuk). Data hasil deteksi divisualisasikan menggunakan antarmuka OpenCV dan dapat diunduh secara otomatis melalui GUI berbasis Tkinter. Perangkat keras Arduino digunakan sebagai pemrosesan output, menerima perintah melalui komunikasi serial dari hasil pemrosesan visual untuk menggerakkan separator menggunakan servo. Sistem ini mampu menghitung jumlah setiap jenis tomat secara akurat, mengukur luas area tiap objek berdasarkan segmentasi citra, menghitung rasio kematangan berdasarkan proporsi warna dalam objek, serta menyimpan seluruh data klasifikasi ke dalam file Microsoft Excel secara otomatis. Hasil percobaan menunjukkan sistem mampu melakukan klasifikasi dan penyortiran tomat cherry dengan akurasi tinggi. Sistem ini berpotensi diterapkan dalam industri pertanian sebagai solusi sortir otomatis yang cepat, presisi, dan responsif terhadap kebutuhan pasar akan produk berkualitas tinggi.
Tidak tersedia versi lain