IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK INSPEKSI CACAT PADA BENANG

Abstract

PT Indorama Synthetics Tbk merupakan salah satu produsen tekstil yang terus berinovasi untuk mengembangkan sistem inspeksi berbasis teknologi computer vision saat ini. Selama ini teknologi computer vision telah digunakan untuk mengidentifikasi corak cone tip pada benang spinning berdasarkan kesamaan spesifikasi jenis benang. Penelitian ini dilakukan sebagai pengembangan sistem tersebut sehingga memiliki kemampuan untuk mengidentifikasi dan mengklasifikasikan hasil produksi berdasarkan kategori benang bagus dan benang cacat seperti Stripe, Dirty, dan Moldy. Tujuan penelitian ini adalah menghasilkan alat yang mampu melakukan inspeksi secara otomatis, sehingga meningkatkan efisiensi proses inspeksi produksi benang yang masih bergantung pada pengamatan manual (human vision). Teknologi yang dikembangkan pada penelitian ini mengintegrasikan computer vision dengan machine learning berbasis algoritma Convolutional Neural Network (CNN) yang menghasilkan model Tensor Flow Lite yang di deploy kedalam Raspberry Pi. Pengujian model menggunakan dataset training, dan dianalisis berdasarkan akurasi, loss, serta performa pemrosesan citra secara real-time. Rata-rata hasil inferensi real-time menunjukkan nilai 68.13 ms untuk waktu inferensi dengan FPS 8.8 FPS dan akurasi 82.88%.  Rata- rata Training Loss dengan nilai 0.9, Validation Loss 0.94, Training Accuracy 0.59, dan Validation Accuracy 0.56.