Deteksi Kontaminasi Jamur Pada Roti Menggunakan YOLO Berbasis Deep Learning
Demo & Pengujian Sistem: Deteksi Kontaminasi Jamur Pada Roti Menggunakan YOLO Berbasis Deep Learning
Video di atas mendemonstrasikan implementasi antarmuka, inference model, dan workflow end-to-end dari project Deteksi Kontaminasi Jamur Pada Roti Menggunakan YOLO Berbasis Deep Learning via TikTok.
Overview & Cara Kerja
PaniScan AI merupakan platform kecerdasan buatan (Artificial Intelligence) berbasis Computer Vision Object Detection dan Deep Learning yang mengimplementasikan arsitektur mutakhir YOLOv8 Nano (YOLO26n) untuk mendeteksi, melokalisasi (bounding box), dan mengklasifikasikan status kelayakan roti (Jamur Roti / Mold_bread vs Roti Normal / Normal_bread) secara simultan dengan tingkat presisi tinggi (mAP50 95.10%, Presisi 95.84%, Recall 86.60%, dan mAP50-95 86.10% pada data uji independen) serta latensi inferensi ultra-cepat di bawah 10 milidetik.
Fitur Utama Project
Arsitektur & Pipeline Sistem
Alur data interaktif dari input request hingga hasil pemrosesan sistem:
1.000 Bread Images & 1.650 Bounding Box Ingestion
Ingesti dan pra-pemrosesan 1.000 citra roti teranotasi (750 train, 150 val, 100 test, 1.650 instances) pada resolusi 640x640 piksel dengan dua target kelas deteksi: Jamur Roti (`Mold_bread`) dan Roti Segar (`Normal_bread`).
YOLOv8 Nano Anchor-Free Feature Extraction
Ekstraksi fitur visual multi-skala menggunakan tulang punggung CSPDarknet dengan aktivasi SiLU, dilanjutkan fusi piramida fitur dua arah PANet dan Decoupled Head untuk memisahkan regresi kotak dan probabilitas kelas secara independen.
50-Epoch GPU Training & Multi-Task Loss Optimization
Pelatihan model selama 50 epoch pada GPU Tesla T4 (0.119 jam komputasi) dengan optimasi SGD/AdamW, meminimalkan kombinasi CIoU loss (lokalisasi kotak), DFL loss (distribusi batas tepi), dan BCE classification loss.
Food Safety & Mycotoxin Severity Analysis Engine
Evaluasi otomatis terhadap keberadaan spora jamur; jika terdeteksi, sistem memicu status bahaya kontaminasi mikotoksin, melarang konsumsi, dan memberikan rekomendasi higienitas industri bakery.
PaniScan AI Web Studio & RESTful API Service
Deployment model ke aplikasi web interaktif Flask 3.0 dan Tailwind CSS bertema *Artisanal Bread Brown*, dilengkapi fitur drag-and-drop, preset sampel, slider ambang keyakinan, visualisasi bounding box, serta endpoint API `/predict`.
Struktur Berkas & Repositori
Hierarki folder dan berkas yang disertakan dalam paket proyek ini:
Dokumentasi Teknis
Tersedia dokumentasi teknis komprehensif untuk project ini:
Kebutuhan Sistem & Spesifikasi
Spesifikasi minimum perangkat untuk menjalankan project ini dengan lancar:
Cross-platform compatible
Lingkungan kerja teruji
Optimal untuk running service
Untuk berkas & dependensi
Pertanyaan yang Sering Diajukan (FAQ)
Jawaban ringkas terkait lisensi, akses file unduhan, dan panduan instalasi:
Bagaimana cara mendapatkan source code setelah pembayaran?
Segera setelah pembayaran lunas (PAID), berkas ZIP project dapat langsung diunduh secara instan dari halaman ini atau menu Dashboard > Pembelian & Unduhan. Salinan bukti invoice transaksi dan tautan akses juga dikirim otomatis ke alamat email Anda.
Apakah ada panduan instalasi dan dokumentasi teknis?
Ya! Setiap project di Devilda Projects menyertakan dokumentasi teknis komprehensif, arsitektur sistem, struktur database, serta instruksi langkah demi langkah cara setup environment lokal hingga siap di-run.
Bolehkah source code ini dimodifikasi untuk tugas akhir/skripsi/komersial?
Tentu saja. Pembelian lisensi memberikan Anda hak penuh untuk memodifikasi, mengkustomisasi, dan mengembangkan source code ini untuk keperluan tugas akhir, skripsi, portfolio kerja, maupun proyek komersial klien Anda.
Bagaimana jika saya mengalami kendala teknis saat instalasi?
Tim teknis Devilda siap membantu asistensi. Anda dapat berkonsultasi langsung dengan tim kami via WhatsApp CS Devilda (0878-2851-5500). Kami siap membantu kendala instalasi.
Ulasan Pembeli
Ulasan terverifikasi dari pengguna yang telah membeli project ini.
Belum ada ulasan untuk project ini.
Pembayaran aman via QRIS (Semua E-Wallet) & Virtual Account.
Yang Anda Dapatkan:
- Full Source Code Lengkap & Aset Project
- Teknologi: Python, Flask, HTML, CSS
- Panduan Instalasi & Konfigurasi Lingkungan
- Seluruh Bab Dokumentasi Teknis Langkah demi Langkah
- Hak Lisensi Tugas Akhir, Skripsi & Komersial
- Akses Unduhan Berkas ZIP & Code Explorer Langsung