Kamera AI untuk Industri Perikanan & Seafood: Sortir Udang, Fillet Ikan, dan Kaleng

Seafood Dinilai dari Mata Pembeli

Di industri perikanan dan seafood, sebagian besar penilaian mutu masih dilakukan dengan mata. Operator memilah udang berdasarkan ukuran dan warna, merapikan fillet yang masih menyisakan kulit atau memar darah, lalu memeriksa kaleng sebelum masuk karton. Pekerjaannya berulang, di ruangan dingin dan basah, sering pada shift malam ketika hasil tangkapan baru datang. Wajar kalau konsistensinya menurun menjelang akhir shift.

Untuk eksportir, akibatnya berat. Satu kontainer udang beku yang grade-nya tidak sesuai kontrak bisa diklaim pembeli. Kamera AI membantu memeriksa setiap unit dengan kriteria yang sama dari jam pertama sampai jam terakhir. Artikel ini membahas titik inspeksi yang paling berdampak di cold storage dan pabrik pengalengan, serta batas yang perlu dipahami sejak awal.

Peta Titik Inspeksi

Polanya mirip dengan sortir hasil pertanian: banyak produk alami yang bentuknya tidak pernah persis sama. Perbedaannya, lini seafood basah, dingin, dan harus higienis.

Grading Udang: Ukuran, Warna, dan Kelengkapan

Udang dijual berdasarkan size count, yaitu jumlah ekor per kilogram atau per pon. Kamera AI bisa mengukur panjang atau luas tampak setiap udang lalu memetakannya ke kelas ukuran. Agar angkanya bisa dipercaya, kalibrasi skala piksel ke milimeter seperti dijelaskan di pengukuran dimensi dengan camera vision, lalu bandingkan hasilnya dengan timbangan secara berkala. Udang yang melengkung membuat panjang tampak lebih pendek, jadi kelas ukuran sebaiknya dikalibrasi dengan contoh nyata dari lini, bukan rumus saja.

Selain ukuran, model deteksi dilatih mengenali black spot (melanosis), kepala patah, ekor hilang, dan udang lembek. Kelas cacat seperti ini lebih andal jika contoh fotonya cukup bervariasi. Panduan jumlah foto ada di dataset & anotasi QC inspection.

Fillet Ikan: Sisa Kulit dan Memar Darah

Pada fillet tuna, kakap, atau tilapia, cacat visual yang paling sering dikeluhkan adalah sisa kulit, memar darah (blood spot), dan potongan yang tidak rapi. Ketiganya tampak dari permukaan, sehingga cocok untuk kamera 2D. Hasil deteksi bisa dipakai untuk mengalihkan fillet ke meja trimming ulang, bukan langsung dibuang.

Karena warna daging ikan bervariasi antar spesies dan antar musim tangkapan, pantau akurasi secara rutin. Penurunan pelan seperti ini dibahas di drift model AI visual.

Pengalengan dan Packing

Di pabrik pengalengan ikan, kamera AI memeriksa kaleng penyok, tutup yang tidak rata, dan kode produksi di tutup kaleng. Kode dibaca dengan OCR pada AI camera lalu dicocokkan dengan nilai yang diharapkan, sehingga kode buram langsung ditandai NG. Pada packing akhir, kamera atas bisa menghitung isi karton atau tray dengan pendekatan dari camera vision untuk penghitungan objek.

Lini Basah dan Dingin

Lingkungan seafood menuntut perlindungan perangkat yang serius: semprotan air saat sanitasi, uap, dan perbedaan suhu yang membuat embun di kaca pelindung. Pilih housing dengan rating IP yang sesuai, tempatkan PC di luar area basah, dan jadwalkan pembersihan kaca setiap pergantian shift. Panduan lengkapnya ada di smart inspection di lingkungan ekstrem. Permukaan produk yang basah juga memantulkan cahaya, sehingga lampu diffuse hampir selalu dibutuhkan, seperti dijelaskan di panduan pencahayaan camera vision.

Batas Jujur yang Perlu Dipahami

Kamera 2D hanya melihat permukaan. Duri di dalam fillet perlu dideteksi dengan X-ray, parasit di dalam daging biasanya diperiksa dengan candling (meja cahaya), dan kesegaran seperti kadar histamin, TVB-N, atau cemaran mikroba tetap ranah laboratorium. Kamera AI menggantikan pemeriksaan visual yang berulang, bukan pengujian keamanan pangan.

Untuk keputusan yang ragu, misalnya udang di batas dua kelas ukuran, alihkan ke operator seperti pola di human-in-the-loop untuk operator QC. Ukur keandalannya dengan metrik false reject dan escape, karena pada produk ekspor satu escape bisa berujung klaim satu kontainer.

Mulai dari Grading Udang

Untuk pilot pertama, grading udang biasanya paling cepat memberi hasil: volumenya besar, kriterianya jelas, dan dampaknya ke nilai jual langsung terasa. Ikuti roadmap pilot project 30 hari, lalu tambahkan titik fillet atau pengalengan setelah angkanya stabil.

Nirmana VisionAI berjalan on-premise di jaringan pabrik, memberi keputusan OK/NG real-time, menghitung jumlah objek per kelas, membaca kode produksi dengan OCR, dan menyimpan foto beranotasi setiap unit sebagai bukti mutu untuk pembeli. Lihat paket & edisi Nirmana VisionAI untuk memulai inspeksi di lini seafood Anda.