Klasifikasi Dan Deteksi Defect Biji Kopi Menggunakan Yolov8 Dan CBAM
Tahun 2026 · Penulis: Daffa Julyanda Mustakim
Faculty of Computer Science, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Sortasi biji kopi merupakan tahapan krusial dalam penentuan kualitas dan harga jual kopi Arabika sesuai standar Specialty Coffee Association (SCA). Proses sortasi manual yang bersifat subjektif dan rentan kesalahan manusia seringkali menyebabkan inkonsistensi dalam penentuan grade kopi. Penelitian ini bertujuan untuk membangun sistem deteksi otomatis defect biji kopi dan klasifikasi kualitas (Specialty dan Below Specialty) menggunakan algoritma Deep Learning. Metode yang diusulkan adalah YOLOv8n-seg yang dimodifikasi dengan Convolutional Block Attention Module (CBAM) pada bagian backbone untuk meningkatkan kemampuan ekstraksi fitur pada objek kecil (small object detection). Model dilatih menggunakan dataset sebanyak 1000 citra biji kopi Arabika dari PTPN XII Bondowoso yang terdiri dari 16 kelas defect SCA. Hasil pengujian menunjukkan bahwa penambahan modul CBAM efektif meningkatkan akurasi deteksi dibandingkan model baseline. Pada skenario 16 kelas, model modifikasi mencapai mAP50 (mask) sebesar 37,19%, lebih unggul dibandingkan baseline sebesar 30,50%. Sedangkan pada skenario penyederhanaan 7 kelas dominan, akurasi meningkat signifikan dengan mAP50 (mask) mencapai 50,30%. Penelitian ini menyimpulkan bahwa integrasi CBAM pada YOLOv8 mampu memperbaiki deteksi cacat visual pada biji kopi dan membantu proses grading secara lebih objektif.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,866
Tahun 2026 · Penulis: Riki Yudi Prayitno Faizal Tanjung
Implementasi Yolov8-seg Berbasis SAHI Untuk Instance Segmentation Cacat Biji Kopi Berdasarkan Standar SCA
Kualitas fisik biji kopi hijau merupakan penentu utama mutu produk pada segmen specialty coffee. Keberadaan cacat fisik berpotensi menurunkan nilai ekonomi komoditas secara signifikan. Penelitian terdahulu berbasis computer vision umumnya menggunakan object de
- Cosine 0,840
Tahun 2024 · Penulis: Nur Muhammad Himawan
Identifikasi Defect Kopi Berdasarkan Citra Green Bean Menggunakan MobileNetV4 dan Attention Mechanism pada Arsitektur Yolov8
Kopi (Coffea sp.) merupakan salah satu komoditas perkebunan unggulan Indonesia yang berkontribusi besar terhadap perekonomian nasional. Kopi lokal seperti Arabika dikenal secara global dan permintaannya terus meningkat. Kualitas biji kopi, menjadi aspek utama
- Cosine 0,804
Tahun 2026 · Penulis: Elena Siti Aisya
Selective Object-Based Augmentation Untuk Penanganan Kelas Minor Pada Deteksi Multi-Kelas Cacat Biji Kopi
Deteksi multi-kelas cacat biji kopi menghadapi permasalahan class imbalance, yaitu ketidakseimbangan jumlah data antar kelas yang menyebabkan model cenderung lebih baik mengenali kelas mayor dibandingkan kelas minor. Penelitian ini bertujuan mengembangkan Sele