Penerapan Metode Haar Cascade terhadap Objek Botol menggunakan ESP32-Cam

Abstract

Riset ini mengeksplorasi metode Haar Cascade untuk deteksi objek yang berfokus pada identifikasi botol menggunakan modul ESP32-Cam. Riset ini secara bertahap mengumpulkan dataset objek gambar botol yang beragam untuk melatih Haar Cascade. Kemudian, proses pelatihan menggunakan machine learning dan algoritma Haar Cascade untuk mengidentifikasi objek botol hingga akhirnya diimplementasikan pada perangkat ESP32-Cam. Hipotesis penelitian ini melibatkan integrasi mesin konveyor beserta komponen pendukung yaitu sensor infrared, buzzer, LED, relay, dan LM2596. Tujuan dari riset ini adalah menerapkan prinsip kerja sistem deteksi objek pada botol yang secara otomatis mendeteksi keberadaan botol dalam gambar atau video menggunakan ESP32-Cam sebagai papan mikrokontroler dan metode Haar Cascade sebagai algoritma pengenalan objek yang diintegrasi ke mesin konveyor. Akhrnya, riset ini menyimpulkan bahwa hasil perancangan dan pengujian implementasi metode Haar Cascade menggunakan ESP32-Cam telah berhasil dan berfungsi optimal. Hasil pengujian diperoleh bahwa ESP32-Cam mampu mendeteksi objek botol pada rentang 16 hingga 22 detik dengan akurasi rata rata 75% pada botol kaca dan 78% untuk botol berbahan plastik. Selanjutnya, ketika ESP32-Cam dihalang oleh kaca film diperoleh hasil akurasi rata-rata 44% pada botol kaca dan 77% pada botol plastik. Berdasarkan pengujian sistem keseluruhaan diperoleh bahwa purwarupa ini hanya akan mendeteksi botol dengan mengeneralisasi botol dalam bentuk dimensi ukuran yang berbeda-beda.