Segmentasi Buah Apel Menggunakan Framework YOLACT Arsitektur Resnet-101
Abstract
Apel merupakan salah satu buah yang populer di dunia. Apel pertama kali tumbuh di Kawasan Asia tengah kemudian berkembang luas ke wilayah yang lebih dingin. Apel dapat diolah menjadi minuman kemasan. Produksi pengolahan apel, dibutuhkan proses untuk memilah apel baik berdasarkan kematangan, kondisi buah, ataupun ukuran buah apel sesuai dengan kebutuhan. Pada produksi skala besar hal ini menjadi tantangan karena membutuhkan tenaga kerja yang tidak sedikit. Penelitian ini mengusulkan sistem segmentasi buah apel dengan menggunakan Framework YOLACT dengan arsitektur Resnet-101 yang merupakan salah satu arsitektur Convolutional Neural Network. Sistem yang dibuat diharapkan mempermudah pemilahan ataupun penghitungan apel pada manufaktur skala besar. Proses segmentasi menggunakan YOLACT teridiri dari Feature backbone, Feature Pyramid Network, Protonet, Prediction Head, NMS, cropping dan thresholding. Tiga jenis apel digunakan dalam penelitian ini yaitu Fuji, Red Delicious, dan Gala Apple. mAP rata rata tertinggi diperoleh dengan model YOLACT iterasi 10000, yaitu sebesar 83,12%