AI Visual untuk Grading Telur: Deteksi Retak, Kotoran, dan Ukuran di Peternakan

Kenapa Grading Telur Perlu Dibantu Kamera

Peternakan ayam petelur skala menengah bisa mengumpulkan puluhan ribu butir per hari. Di banyak kandang, grading telur masih dilakukan manual: pekerja mengangkat telur satu per satu dari tray, memisahkan yang retak dan kotor, lalu memilah berdasarkan ukuran. Pekerjaan ini monoton, cepat melelahkan mata, dan hasilnya berbeda antar-pekerja serta antar-shift.

AI visual cocok untuk sebagian besar keputusan itu karena cacat telur yang paling sering dikeluhkan pembeli — kerabang kotor, retak yang terlihat, dan bentuk tidak normal — memang tampak dari luar. Artikel ini membahas cacat apa yang realistis dideteksi kamera, cara menyusun stasiun di jalur pengumpulan, dan bagian yang tetap harus ditangani timbangan serta alat khusus.

Cacat Telur dan Kecocokannya dengan Kamera AI

Kotoran dan Retak: Titik Mulai Paling Realistis

Telur kotor dan retak adalah dua alasan utama penolakan oleh pembeli ritel dan pabrik roti. Kamera dari atas yang melihat telur berputar di roller conveyor dapat menangkap seluruh permukaan kerabang dalam beberapa frame, sehingga noda di sisi bawah tidak terlewat — prinsip yang sama dengan inspeksi semua sisi produk dengan multi-kamera.

Untuk retak, cahaya menentukan hasil. Cahaya menyebar (dome) membuat noda terlihat jelas, sedangkan cahaya bersudut rendah membuat retak dan penyok memunculkan bayangan. Dasarnya dibahas di panduan pencahayaan camera vision. Model deteksi objek cocok bila Anda ingin tahu letak dan jenis cacat; bila cukup OK/NG, klasifikasi lebih sederhana — perbandingannya ada di memilih jenis model AI visual.

Candling dengan Kamera

Candling — menyinari telur dari bawah dalam ruang gelap — sudah lama dipakai untuk melihat bercak darah, rongga udara, dan retak. Kamera bisa menggantikan mata manusia di proses ini: lampu LED di bawah tray, kamera di atas, dan ruang yang tertutup dari cahaya luar. Kerabang cokelat meneruskan cahaya lebih sedikit daripada kerabang putih, jadi intensitas lampu dan exposure perlu diatur per jenis telur. Hasilnya bergantung pada ketebalan kerabang; bercak kecil di telur cokelat tua sering tetap sulit terlihat.

Menyusun Stasiun Grading

1. Titik pasang. Paling efektif di jalur setelah pengumpul (collector) kandang dan sebelum mesin grading atau packing, saat telur masih berjajar teratur.
2. Kecepatan. Telur bergerak cepat di roller; atur exposure pendek dan trigger yang tepat agar tidak blur, seperti di camera vision di conveyor cepat.
3. Lingkungan kandang. Debu pakan, bulu, dan amonia cepat mengotori lensa. Pakai housing tertutup dan jadwal pembersihan, lihat smart inspection di lingkungan ekstrem.
4. Penolakan. Sinyal NG dikirim ke PLC untuk menggerakkan pengalih atau menandai posisi tray, sesuai integrasi AI inspection ke PLC.
5. Data per kandang. Catat persentase telur kotor dan retak per flok. Lonjakan telur kotor bisa menandakan masalah alas kandang atau kesehatan ayam, bukan sekadar masalah grading.

Batasan yang Perlu Dipahami

Kelas berat telur konsumsi ditentukan dengan menimbang, bukan dari ukuran gambar. Kamera bisa memperkirakan ukuran, tetapi telur dengan dimensi sama dapat berbeda berat, jadi timbangan pada mesin grading tetap menjadi acuan. Retak rambut yang tidak terlihat bahkan oleh candling biasanya dideteksi mesin akustik yang mengetuk kerabang dan menganalisis pantulan suaranya. Kesegaran dan kualitas isi seperti Haugh unit dan warna kuning telur tetap diukur di laboratorium dengan sampling.

Posisikan kamera AI sebagai penyaring 100% untuk cacat visual, sementara penimbangan dan uji lainnya tetap berjalan — perbandingan pendekatan ini ada di sampling AQL vs inspeksi 100%. Untuk sortir komoditas pertanian lain, lihat smart inspection untuk biji kopi, kakao, dan buah.

Mulai dari Telur Kotor

Kumpulkan beberapa ratus foto telur bersih dan kotor dari jalur Anda sendiri, lengkap dengan variasi warna kerabang — panduannya ada di dataset & anotasi untuk QC inspection AI. Jalankan kamera berdampingan dengan pekerja grading selama dua minggu dan bandingkan hasilnya dengan metrik false reject dan escape.

Nirmana VisionAI berjalan on-premise di PC lokal tanpa bergantung internet kandang, mendukung klasifikasi, deteksi objek, dan deteksi anomali, dengan training langsung dari GUI tanpa coding. Lihat paket & edisi Nirmana VisionAI untuk memulai pilot grading telur di peternakan Anda.