Pemilahan biji kopi pascapanen yang masih mengandalkan tenaga manusia kerap menimbulkan ketidakkonsistenan penilaian karena sangat bergantung pada pengalaman serta kondisi fisik penyortir, padahal kopi merupakan komoditas perkebunan bernilai jual tinggi di pasar domestik maupun internasional. Berangkat dari persoalan tersebut,dikembangkan sebuah sistem sortasi otomatis berbasis pengolahan citra digital yang menangkap gambar biji kopi secara langsung melalui kamera webcam, kemudian memproses data citra pada mikrokomputer Raspberry Pi 4 dengan menerapkan algoritme deep learning Convolutional Neural Network (CNN) arsitektur MobileNet-V2. Sistem ini mengidentifikasi varietas Arabika dan Robusta berdasarkan bentuk celah tengah (center cut) serta warna biji, sekaligus mengklasifikasikan mutu fisik ke dalam tiga kategori, yakni Grade 1, 2, dan 3, dengan hasil deteksi ditampilkan pada layar LCD 20x4 I2C; hasil dengan tingkat keyakinan minimal 80% dikategorikan valid, sedangkan hasil di bawah ambang tersebut tetap ditampilkan namun dianggap kurang akurat. Evaluasi kinerja melalui confusion matrix menghasilkan 846 prediksi benar dari 1.407 data uji atau sekitar 60%, sedangkan uji fungsional di lapangan mencatat tingkat keberhasilan 80% untuk sampel Robusta dan 60% untuk Arabika; adapun pada sampel campuran kedua varietas, akurasi baru berkisar 72–77% sehingga belum memenuhi target.
Penyebab utama kesalahan terletak pada kemiripan ciri visual antarvarietas dan fluktuasi intensitas cahaya saat pengambilan gambar, meskipun seluruh perangkat keras pendukung beroperasi stabil tanpa gangguan berarti. Secara keseluruhan, alat sortasi portabel ini telah mampu berjalan secara mandiri dan memenuhi sebagian besar sasaran penelitian, namun tetap memerlukan penyempurnaan pada
penambahan data latih, pengendalian pencahayaan, serta kemampuan mengenali sampel campuran agar penerapannya di skala industri dapat lebih optimal dan andal.