Informasi nilai gizi, khususnya kandungan natrium, berperan penting dalam mendorong masyarakat memilih makanan yang lebih sehat. Namun, kesadaran terhadap label gizi masih rendah sehingga sering diabaikan. Sistem otomatis dikembangkan untuk mendeteksi dan mengekstraksi informasi kadar natrium dari citra kemasan produk. Sistem menggunakan pendekatan deteksi objek berbasis Feature Pyramid Network (FPN) dan Faster R-CNN melalui framework Detectron2. Ekstraksi teks kadar natrium dilakukan menggunakan Tesseract OCR. Sebanyak 3.028 gambar digunakan dalam proses pelatihan, validasi, dan pengujian FPN. Pada tahap pelatihan diperoleh akurasi deteksi 98,90% (AP50) dan (AR) 85,00%. Sementara itu, pengujian OCR terhadap 400 gambar berbeda dari data pelatihan FPN, menghasilkan rata-rata akurasi ekstraksi teks 85,13%. Kesalahan pengenalan umumnya disebabkan kualitas citra rendah, seperti gambar blur, orientasi label miring, pantulan cahaya, atau teks terlalu tebal. Meskipun terdapat keterbatasan, sistem menunjukkan potensi kuat sebagai alat otomatis membaca informasi gizi, khususnya kandungan natrium, dengan catatan diperlukan penyempurnaan lebih lanjut agar konsisten di kondisi nyata.