Deteksi Kesegaran Daging Ikan yang Bersifat Non-Destructive pada Aplikasi Mobile menggunakan YOLOv4 dan YOLOv4-Tiny

Abstract

Ikan merupakan salah satu bahan konsumsi yang menyediakan protein berkualitas tinggi dan dapat membantu dalam membentuk pola hidup sehat. Mutu daging ikan yang mudah rusak, mengharuskan konsumen cerdas dalam memilah ikan yang akan dikonsumsi. Oleh sebab itu, pengetahuan terhadap kondisi kesegaran daging ikan menjadi hal penting bagi para konsumen. Pada penelitian terdahulu, beberapa cara yang digunakan untuk menilai tingkat kesegaran daging ikan cukup menyulitkan user ataupun konsumen. Beberapa diantaranya memerlukan alat seperti spectometer, sensor gas, hingga sebuah komputer dalam memperoleh parameter dan memproses data untuk menilai tingkat kesegaran daging ikan. Penelitian ini mencoba membangun sebuah aplikasi berbasis Mobile yang menerapkan deep learning model, menggunakan arsitektur You Look Only Once Version I (YOLOv4) dan YOLOv4-Tiny untuk menilai tingkat kesegaran daging ikan berdasarkan mata dan kulit ikan. Tingkat kesegaran yang digunakan adalah segar, sedang, dan busuk. Data latih yang digunakan oleh model berupa gambar ikan Tongkol Deho (Euthynnus Affinis), ikan Manglah (Priacanthus Tayenus), ikan Solok (Rastrelliger Brachysoma), ikan Mackerel (Scomber Australasicus), ikan Kuwe Lilin (Caranx Melanophygus), ikan Teribang (Nemipterus Virgatus), ikan Banyar (Restrelliger Kanagurta), dan ikan Kolong (Atule mate). mAP yang dicapai oleh YOLOv4 adalah sebesar 99.17% dan YOLOv4-Tiny sebesar 97.25%. Dengan waktu proses tercepat menilai tingkat kesegaran daging ikan pada aplikasi mencapai 2.5 detik per Image untuk YOLOv4 dan 0.15 detik untuk YOLOv4-Tiny.