Peneliti Polinela “Pindai Segar” di lahan pertanian Pekon Srikaton, Kecamatan Adiluwih, Kabupaten Pringsewu | LAMPUNGPRO.CO/Ist

PRINGSEWU (Lampungpro.co) : Tim peneliti Politeknik Negeri Lampung (Polinela) mengembangkan model kecerdasan buatan (artificial intelligence/AI) yang mampu membedakan sayuran segar dan busuk hanya melalui foto. Dalam pengujian, model berbasis arsitektur Swin Transformer itu mengenali kondisi sayuran dengan tingkat akurasi 94,96 persen.

Riset bertajuk “Pengembangan Model Swin Transformer Deep Learning untuk Deteksi Kontaminasi dan Penilaian Kualitas Pangan Berbasis Citra Digital dalam Industri Pangan Lokal” itu merupakan Penelitian DIPA Polinela tahun 2026. Selain menghasilkan model AI, tim juga telah membangun prototipe aplikasi pemindai kesegaran sayur bernama “Pindai Segar”.

Penelitian dari Program Studi Teknologi Rekayasa Perangkat Lunak (TRPL) Polinela ini melibatkan Dani Rofianto, S.Mat., M.Kom., Khusnatul Amaliah, S.Kom., M.Kom., dan Tiara Kurnia Khoerunnisa, S.T., MTP, bersama Andika Sandi Pranata dan Ningrum.

Keamanan pangan menjadi persoalan yang dampaknya langsung dirasakan masyarakat. Pangan yang tercemar mikroba, bahan kimia, atau mengalami kerusakan fisik dapat memicu gangguan kesehatan serius. Data WHO yang dirujuk dalam penelitian ini menyebutkan, pangan terkontaminasi membuat lebih dari 600 juta orang jatuh sakit setiap tahun.

Di sisi lain, pemeriksaan mutu pangan secara konvensional, seperti uji laboratorium, kerap memakan waktu, biaya, dan tenaga. Karena itu, tim memanfaatkan teknologi pengolahan citra digital berbasis deep learning sebagai cara pemeriksaan yang lebih cepat dan efisien.

Fokus pada Lima Jenis Sayuran

Pada tahap ini, penelitian difokuskan pada lima jenis sayuran, yakni tomat, mentimun, wortel, kentang, dan paprika. Masing-masing dikelompokkan dalam kondisi segar dan busuk, sehingga terbentuk 10 kategori yang harus dikenali model.

Lingkup tersebut merupakan penajaman dari rencana awal yang membidik deteksi kontaminasi pangan secara umum. Setelah menimbang sejumlah kandidat data, termasuk data penyakit buah dan sayur, kesegaran daging, serta cacat beras, tim memilih kasus kesegaran sayuran agar setiap hasil benar-benar didukung data yang tersedia.