| Proses penyortiran merupakan salah satu tahap utama dalam proses pascapanen untuk dapat menyortir atau memilah buah atau sayuran berdasarkan klasifikasi tertentu seperti warna, ukuran, bentuk dan bau. Penyortiran secara konvensional dapat dilakukan secara manual menggunakan tangan oleh manusia. Akan tetapi, metode ini dapat menguras tenaga manusia, sehingga performa kinerjanya berpotensi menurun seiring berjalannya waktu. Universitas Southern Taiwan University of Science and Technology (STUST) membuka program penelitian mengenai proses penyortiran pascapanen pada buah tomat ceri. Tujuan dari penelitian ini adalah merancang sistem pendeteksi tomat ceri menggunakan computer vision yang mengandalkan ML (Machine Learning) dan neural network untuk melatih algoritma pendeteksi objek secara real-time bernama YOLO (You Only Look Once). Algoritma YOLO dapat mendeteksi buah berdasarkan warna dan bentuk serta mengetahui lokasi buah tomat ceri dengan tingkat akurasi dan ketepatan yang tinggi dalam jangka waktu yang singkat. Pengujian untuk menentukan akurasi dari sistem pendeteksi buah tomat ceri dilakukan dengan membuat dataset dan melatih algoritma YOLO. Selain itu, sistem ini diintegrasikan dengan Programmable Logic Controllers (PLC), roller conveyor, dan lengan robot menggunakan perangkat lunak LabVIEW. Sistem pendeteksi tomat ceri yang terintegrasi berhasil menyortir buah dengan tingkat akurasi sebesar 92,68%. Ke depan, sistem penyortiran ini dapat dioptimalkan lebih lanjut dengan memanfaatkan teknologi dan perangkat lunak terbaru untuk meningkatkan efisiensi proses penyortiran buah. |