🥜 AI Penyortir Kacang Tanah (Groundnut Quality Detecor)

Sistem Klasifikasi Otomatis Mutu Kacang Tanah berdasarkan SNI 01-3921-1995 menggunakan Arsitektur CNN (VGG16 & MobileNetV2).

📖 Deskripsi Proyek

Proyek Deep Learning ini bertujuan untuk mengotomatisasi inspeksi visual kualitas fisik kacang tanah kupas (Bersih vs Terkontaminasi Kulit/Kotoran). Proyek ini merupakan komparasi riset antara arsitektur beban berat (VGG16) dengan arsitektur ringan yang efisien untuk edge-device (MobileNetV2).

Pendekatan ini diharapkan dapat menggantikan proses penyortiran manual yang lambat dan rawan human-error di industri pertanian.

✨ Fitur Aplikasi (Web App)

• Glassmorphism UI: Antarmuka pengguna modern dengan estetika dark mode.
• Model Selector: Fitur dinamis untuk menukar mesin deteksi antara VGG16 (Akurasi Tinggi) dan MobileNetV2 (Kecepatan Tinggi).
• Confidence Matrix: Kalkulasi tingkat keyakinan AI (confidence score) secara real-time.

📊 Kinerja Model (Evaluasi Metrik)

Berdasarkan pelatihan dengan rasio pisah dataset 80:10:10 dan 20 epoch (Early Stopping):

Metrik Evaluasi	VGG16 (~116 MB)	MobileNetV2 (~21 MB)
Akurasi	100%	96%
Presisi	100%	100%
Recall	100%	92%
F1-Score	100%	95.8%

Analisis: VGG16 unggul mutlak dalam akurasi pengenalan fitur, namun MobileNetV2 menawarkan efisiensi komputasi yang luar biasa dengan ukuran model yang lebih kecil hingga 5.5x lipat, menjadikannya kandidat terbaik untuk implementasi IoT / Edge Computing.

🚀 Cara Menjalankan di Komputer Lokal

1. Kloning repositori ini:

git clone https://github.com/USERNAME/kacang-tanah-quality-classifier.git
cd kacang-tanah-quality-classifier

2. Instalasi dependensi:

pip install -r requirements.txt

3. Jalankan server Streamlit:

streamlit run app.py

⚠️ Catatan Penting (Git LFS)

Model VGG16 berukuran >100 MB. Jika Anda ingin melakukan fork atau memodifikasi repositori ini, pastikan Anda telah menginstal Git Large File Storage (LFS) agar file bobot .h5 tidak diblokir oleh GitHub.