<![CDATA[Deteksi kesegaran daging sapi secara otomatis sangat penting dalam mendukung kualitas bahan pangan, terutama dalam mencegah konsumsi daging yang sudah tidak layak dan berisiko terhadap kesehatan. Metode manual yang saat ini umum digunakan bersifat subjektif, lambat, dan tidak efisien jika diterapkan pada skala industri. Oleh karena itu, diperlukan pendekatan berbasis kecerdasan buatan yang mampu melakukan deteksi secara cepat dan akurat. Penelitian ini mengusulkan model deteksi kesegaran daging sapi menggunakan YOLOv5sM, yaitu modifikasi dari YOLOv5s yang menggabungkan teknik augmentasi data Flip, Rotation, dan Mosaic. Dataset yang digunakan terdiri dari 4.000 citra daging sapi, terbagi menjadi 2.000 citra daging segar dan 2.000 citra daging tidak segar. Data kemudian dibagi menjadi data pelatihan, validasi, dan pengujian. Tiga model dikembangkan: model YOLOv5s tanpa augmentasi, model dengan Flip dan Rotation, serta model YOLOv5sM dengan tambahan Mosaic. Hasil penelitian menunjukkan bahwa YOLOv5sM menghasilkan kinerja terbaik dengan Precision dan Recall sebesar 100%, mAP50 sebesar 99,5%, dan mAP50:95 sebesar 96,2%. Hal ini menunjukkan peningkatan signifikan dibanding dua model lainnya. Dengan hasil tersebut, model YOLOv5sM memiliki potensi besar untuk diimplementasikan sebagai sistem pendeteksi kesegaran daging sapi dalam industri pengolahan pangan yang membutuhkan efisiensi dan keakuratan tinggi.]]>
Copyrights © 2025
