Computer vision didefinisikan sebagai sebuah bidang studi yang berupaya mengembangkan teknik untuk membantu komputer "melihat" dan memahami konten gambar digital seperti foto dan video. Computer vision menggabungkan kamera, perangkat lunak, dan artificial intelligence (AI) yang memungkinkan sistem dapat "melihat" dan mengidentifikasi objek. Computer vision menggunakan deep learning untuk membentuk neural network yang membantu sistem dalam pemrosesan dan analisis gambar. Model dari computer vision dapat melakukan deteksi dan pengenalan objek serta dapat melacak pergerakan objek. Penggunaan computer vision pada tugas akhir ini yaitu untuk object detection.
Pada tugas akhir ini dirancang sebuah sistem yang dapat membaca QR Code pada mobil yang bergerak. Metode yang digunakan yaitu menggunakan metode Faster R-CNN dan pre-trained model ResNet50 sebagai model object detection yaitu QR Code. Penelitian ini menggunakan 400 data latih berupa citra QR Code dan 15 data uji berupa video dengan frame rate sebesar 60 fps.
Analisis performa sistem dilakukan dengan dua buah parameter pengujian sistem yaitu loss training dan akurasi sistem. Pada penelitian tugas akhir ini dapat diketahui bahwa konfigurasi model terbaik terdapat pada model dengan jumlah step training 20K dan batch size 1. Variasi kecepatan terbaik untuk membaca QR Code yaitu pada kecepatan 20 km/jam dan 40 km/jam dengan akurasi sebesar 80%. Sistem ini mendapatkan frame rate sebesar 4,9-5,3 fps.