Pengenalan gambar makanan secara otomatis telah menjadi area penelitian yang menarik, terutama dalam pengembangan MobileNet berbasis kuliner. Penelitian ini membahas penerapan arsitektur MobileNet dalam mengidentifiksi foto citra makanan Indonesia. MobileNet, sebagai jaringan saraf konvolusional yang efisien dan ringan, memungkinkan pengenalan gambar dengan cepat dan akurat pada perangkat dengan keterbatasan komputasi. Tujuan dari penelitian ini yaitu untuk mengetahui hasil dari identifikasi foto citra makanan Indonesia menggunakan Arsitektur dari MobileNet dan untuk mencapai performa terbaik dari model Convolutional Neutral Network menggunakan arsitektur MobileNet. Penelitian ini melibatkan pengumpulan dataset gambar makanan Indonesia, pelatihan model MobileNet, dan evaluasi kinerja model dalam mengklasifikasikan gambar tersebut. Hasil penelitian menunjukkan bahwa arsitektur MobileNet dapat diimplementasikan dengan efektif untuk identifikasi makanan Indonesia, dengan tingkat akurasi yang memuaskan dan waktu pemrosesan yang relatif singkat. Temuan ini diharapkan dapat berkontribusi dalam pengembangan aplikasi pengenalan gambar di bidang kuliner, khususnya untuk makanan Indonesia. Hasil akhir dari penelitian ini menunjukkan bahwa MobileNet berhasil mencapai akurasi sebesar 98.99% dan loss terkecil sebesar 0.05 dalam mengidentifikasi gambar. Keberhasilan dalam penelitian ini membuka peluang untuk pengembangan MobileNet berbasis pengenalan gambar makanan yang lebih canggih. Selain itu, penelitian ini juga dapat berkontribusi pada pengembangan teknologi visi komputer secara umum, khususnya dalam bidang klasifikasi gambar objek kecil dan kompleks.