Deteksi Cacat Produk Manufaktur Menggunakan Convolutional Neural Network pada Citra Industri

Abstrak

Inspeksi visual manual rentan terhadap kesalahan manusia. Penelitian ini menerapkan arsitektur EfficientNet-B3 untuk mendeteksi cacat permukaan pada produk elektronik. Dataset privat berisi 8.200 citra dengan enam kelas cacat. Model mencapai mAP 0,91 dan dapat dijalankan pada edge device Jetson Nano dengan throughput 22 FPS.