RANCANG BANGUN ROBOT DELTA UNTUK INSPEKSI CACAT KEMASAN KALENG MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORKS (CNN)

Prosedur inspeksi kualitas kemasan menjadi tanggung jawab yang harus dilakukan oleh produsen untuk menjaga isi produk didalam kemasan agar tetap terjaga. Prosedur inspeksi kualitas kemasan kaleng di industri masih banyak dilakukan secara manual dengan mengandalkan kemampuan visual operator manusia rentan terjadi human error karena efek jenuh. Seiring dengan meningkatnya jumlah produksi jumlah operator juga bertambah, hal ini dapat meningkatkan biaya produksi. Karena beberapa permasalahan yang telah disebutkan diusulkan rancang bangun robot delta untuk inspeksi kualitas kemasan menggunakan algoritma CNN. Robot delta pada penelitian ini digunakan untuk memindahkan kemasan kaleng berdasarkan klasifikasi kualitas, yang mencakup kategori kemasan normal, cacat penyok, cacat warna, dan cacat sobek. Alat dirancang menggunakan belt conveyor untuk memindahkan posisi kemasan kaleng hingga ke posisi titik ambil robot. Sistem ini menggunakan sensor kamera dan proximity. Ketika kemasan kaleng terdeteksi oleh sensor proximity konveyor berhenti, berikutnya kamera mengambil citra kemasan kaleng untuk dilakukan klasifikasi oleh algoritma CNN. Hasil uji coba yang telah dilakukan menunjukkan bahwa robot delta mampu melakukan tugas sortir kemasan kaleng sesuai wadah kategori. Hasil pelatihan algoritma CNN menggunakan dataset kemasan kaleng mendapatkan skor akurasi mencapai 97,50%. berikutnya pada uji coba sortir kemasan kaleng tingkat keberhasilan mencapai 83,88%, dari total 60 kali uji sortir dengan kegagalan 7 kali.