TA MEKATRONIKA

SISTEM DETEKSI BAUT BUMPER MOBIL BERBASIS YOLOv5 DAN ROBOFLOW CLOUD API MENGGUNAKAN RASPBERRY PI

---

"Inspeksi manual pada lini produksi otomotif memiliki kelemahan kritis
berupa risiko human error yang dapat menurunkan standar jaminan kualitas
produk. Penelitian ini menghadirkan solusi sistem inspeksi visual cerdas melalui
kerangka kerja deteksi objek secara real-time menggunakan model YOLOv5 yang
diintegrasikan pada platform manajemen data Roboflow. Studi kasus difokuskan
pada verifikasi kelengkapan 34 titik krusial (baut dan klip) pada bumper depan
mobil untuk memastikan presisi perakitan. Pipeline penelitian mencakup akuisisi
data, anotasi massal, hingga pelatihan model menggunakan dataset ekstensif
sebanyak 2.073 citra. Sistem diimplementasikan pada perangkat edge Raspberry
Pi 5 untuk proses inferensi mandiri. Hasil pelatihan menunjukkan performa
deteksi yang stabil dengan capaian mAP@0.5 sebesar 0,853, Precision 0,845, dan
Recall 0,847. Pengujian pada Raspberry Pi 5 menunjukkan stabilitas inferensi
pada kecepatan 15–20 FPS, didukung oleh early warning system yang aktif
seketika saat mendeteksi cacat. Hasil ini memvalidasi bahwa integrasi YOLOv5
dengan dataset skala besar mampu mengeliminasi keterbatasan inspeksi manual
dan menawarkan efisiensi tinggi untuk aplikasi embedded computer vision pada
industri manufaktur modern."

---

Availability

Detail Information

Series Title

-

Call Number

TA MUH s 2026

Publisher

Purwakarta : Politeknik Enjinering Indorama., 2026

Collation

xii, 42 hlm. ; 30 cm

Language

Indonesia

ISBN/ISSN

-

Classification

TA MUH s 2026

Content Type

-

Media Type

-

Carrier Type

-

Edition

-

Subject(s)

YOLOv5
kontrol Kualitas Otomatis
Edge Computing
Raspberry PI 5
Deteksi Objek Realtime

Specific Detail Info

-

Statement of Responsibility

Teknologi Rekayasa Mekatronika TA

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment