Ketika kita melihat tumpukan nanas di pasar, jarang sekali terpikir betapa rumitnya perjalanan buah tropis ini sebelum sampai di tangan kita. Dari ladang hingga rak toko, nanas harus melalui proses panen, pengemasan, dan distribusi yang panjang. Namun di balik kesegarannya yang menggoda, ada satu masalah besar yang sering luput dari perhatian: kerusakan mekanis pada buah nanas.
Penelitian terbaru yang dipublikasikan di jurnal Agriculture (2025) oleh Jiahao Li, Baofeng Mai, Tianhu Liu, dan rekan-rekannya menawarkan solusi cerdas untuk masalah ini.
Dengan memanfaatkan teknologi penglihatan mesin (machine vision), tim ilmuwan ini berhasil mengembangkan metode otomatis untuk mendeteksi kerusakan pada buah nanas, dengan kecepatan hingga 30 kali lebih cepat daripada pemeriksaan manual!
Baca juga artikel tentang: Pengaruh dan Nilai H/CO Pada Proses Gasifikasi Biomassa (Kulit Nanas) Jika Steam atau Udara Bertambah atau Berkurang
Masalah yang Tampak Sepele, Tapi Merugikan
Selama proses panen mekanis, terutama di perkebunan besar yang menggunakan alat pemetik otomatis buah nanas sangat rentan terhadap benturan. Sedikit saja tekanan berlebih saat dijatuhkan ke wadah atau saat diangkut bisa menimbulkan kerusakan mekanis, yang tidak selalu langsung terlihat dari luar.
Masalahnya, meski kulit nanas tebal dan berduri, daging buah di dalamnya lembut dan mudah memar. Kerusakan internal ini membuat nanas cepat busuk, menurunkan kualitas rasa dan aroma, serta menyebabkan kerugian besar bagi petani dan pengepul.
Selama ini, deteksi kerusakan dilakukan secara manual, yakni dengan pemeriksaan visual oleh tenaga kerja di lapangan. Namun cara ini tidak hanya lambat dan tidak efisien, tetapi juga subjektif, hasilnya bisa berbeda tergantung siapa yang memeriksa dan seberapa teliti mereka bekerja.
Solusi: Penglihatan Mesin yang “Melihat” Lebih dari Mata Manusia
Untuk mengatasi masalah tersebut, para peneliti mengembangkan sistem deteksi berbasis machine vision semacam “mata elektronik” yang dapat melihat dan menganalisis citra buah secara otomatis.
Sistem ini bekerja dengan kamera khusus bernama RealSense depth camera, yang tidak hanya menangkap gambar berwarna (color image), tetapi juga data kedalaman (depth image). Dengan kata lain, kamera ini mampu “melihat” bentuk permukaan buah secara tiga dimensi, bukan hanya warnanya.
Langkah-langkah kerjanya kira-kira seperti ini:
- Kamera memotret buah nanas dari berbagai sudut, menangkap data warna dan kedalaman permukaan.
- Citra tersebut kemudian diproses dengan serangkaian algoritma pengolahan citra seperti grayscale conversion, contrast enhancement, dan Gaussian denoising untuk memperjelas area yang rusak.
- Selanjutnya dilakukan segmentasi citra, yaitu pemisahan antara bagian buah yang normal dan yang rusak dengan teknik seperti edge detection dan morphological processing.
- Hasil akhirnya adalah gambar biner yang menampilkan area kerusakan secara jelas, seolah-olah sistem “menandai luka” pada kulit buah.
Melalui pendekatan ini, sistem tidak hanya mendeteksi keberadaan kerusakan, tetapi juga mengukur luas area yang rusak secara akurat.
Akurasi Tinggi, Kecepatan Mengejutkan
Hasil uji coba sistem ini sungguh mengesankan. Ketika dibandingkan dengan hasil pengukuran manual, metode machine vision ini memiliki tingkat akurasi hingga 94,33% dan kesalahan rata-rata hanya 5,67%. Bahkan dalam kondisi sulit, misalnya ketika warna kulit nanas tidak jauh berbeda dari bagian yang rusak, sistem ini tetap mampu mengenali pola kerusakan dengan stabil.
Yang lebih mencengangkan lagi, sistem ini bekerja 30 kali lebih cepat dibandingkan pemeriksaan manusia. Jika sebelumnya butuh waktu beberapa menit untuk memeriksa satu buah, kini hanya butuh hitungan detik.
Dalam konteks industri pertanian modern, peningkatan kecepatan seperti ini bisa membawa perubahan besar. Bayangkan sebuah pabrik pengemasan nanas yang mampu memeriksa ribuan buah setiap jam tanpa lelah, tanpa kesalahan, dan tanpa membuang waktu.
Kecerdasan Digital untuk Dunia Pertanian
Sistem deteksi ini bukan sekadar kamera pintar, tetapi bagian dari tren besar yang disebut “pertanian cerdas” (smart agriculture).
Dalam konsep ini, teknologi seperti kecerdasan buatan (AI), visi komputer, dan robotika digunakan untuk meningkatkan efisiensi, akurasi, dan keberlanjutan di sektor pertanian.
Jika dulu petani mengandalkan mata dan pengalaman, kini mereka bisa mengandalkan data dan algoritma. Sistem seperti ini dapat dipasang pada mesin pemanen otomatis, jalur konveyor di pabrik pengemasan, atau bahkan dron pengawas kualitas.
Dengan memanfaatkan AI, komputer dapat “belajar” dari ribuan contoh citra nanas, memahami seperti apa bentuk, warna, dan tekstur buah yang rusak dan memperbaiki kemampuannya seiring waktu. Inilah yang membuat teknologi ini begitu menarik: semakin sering digunakan, semakin pintar hasilnya.
Manfaat Ekonomi dan Lingkungan
Selain meningkatkan efisiensi produksi, teknologi ini juga membawa dampak positif yang lebih luas.
- Mengurangi Pemborosan Pangan.
Dengan mendeteksi kerusakan lebih cepat, buah yang masih layak konsumsi bisa segera dipisahkan dari yang rusak, mengurangi jumlah buah yang terbuang. - Menekan Biaya Produksi.
Sistem otomatis mengurangi ketergantungan pada tenaga kerja manual dan mempercepat rantai pasok. - Meningkatkan Kepercayaan Konsumen.
Produk yang dikirim ke pasar lebih seragam dan berkualitas, meningkatkan reputasi merek dan kepuasan pelanggan. - Ramah Lingkungan.
Lebih sedikit buah busuk berarti lebih sedikit limbah organik yang berpotensi menghasilkan gas metana, kontributor besar perubahan iklim.
Masa Depan Pertanian: Kolaborasi antara Alam dan Algoritma
Penelitian ini adalah contoh nyata bagaimana sains dan teknologi bisa membantu sektor pertanian tradisional menjadi lebih efisien, berkelanjutan, dan cerdas. Dari luar, sistem ini mungkin hanya tampak seperti kamera dan komputer, tetapi di baliknya ada revolusi besar yang sedang berlangsung: otomatisasi berbasis visi mesin.
Bayangkan suatu hari nanti, setiap buah di kebun bisa “dilihat” dan “dinilai” secara otomatis oleh sistem cerdas, dari tahap panen hingga rak supermarket. Bukan hanya nanas, tapi juga mangga, apel, semangka, dan berbagai hasil pertanian lainnya.
Inovasi ini membuka jalan menuju masa depan di mana tidak ada hasil panen yang terbuang karena cacat yang terlambat diketahui.
Penelitian karya Jiahao Li dan timnya mungkin berfokus pada nanas, tapi pesannya jauh lebih luas: Teknologi modern bisa mengubah cara kita memandang hasil alam, bukan hanya dengan mata, tetapi dengan pemahaman digital yang mampu membaca keindahan dan kerusakan secara bersamaan.
Dengan “mata” baru ini, manusia bisa bekerja lebih cepat, lebih efisien, dan lebih ramah terhadap alam. Dan siapa sangka, langkah besar menuju revolusi pertanian itu dimulai dari sesuatu yang sesederhana menatap sebutir nanas.
Baca juga artikel tentang: 5 Kelompok Pengidap Penyakit yang Harus Hati-Hati Mengonsumsi Nanas
REFERENSI:
Li, Jiahao dkk. 2025. A machine vision method for detecting pineapple fruit mechanical damage. Agriculture 15 (10), 1063.
