<![CDATA[AbstractCoffee has been cultivated as the secondary produce for decades in Girimarto, Wonogiri, however, the selective picking practice remain alient for local farmers. Selective picking is considered impractical due to time consumption and laborous work that farmers should carry out. The community service project designs and implements image recognition technology to help acquire coffee-cheery ripeness condition. Adopting a geolocation, the appropriate routing strategies, would enable farmers to selectively pick the red cherries in a systematic sequence. The image processing technology was applied by adopting Raspberry Pi microcomputer, Raspberry Pi Camera Board, version 2, and OpenCV programming language. The transition to selective picking and the subsequent post-harvest technology would likely produce high-quality green bean coffee. It is expected that the income of smallholder coffee farmers will gradually be increasing.ABSTRAKPraktek petik buah merah dalam budidaya kopi belum menjadi prosedur baku pada perkebunan kopi rakyat di wilayah Girimarto, Wonogiri. Petani menganggap praktek petik merah pada panen buah kopi merepotkan dan memakan waktu karena dalam satu kunjungan ke kebun mereka hanya memetik buah kopi yang benar-benar matang. Pengabdian ini mendesain dan menerapkan perangkat pemantau kematangan buah kopi untuk membantu petani memperoleh informasi lokasi buah matang dan estimasi jumlahnya sehingga petani bisa merencanakan jalur pemetikan kopi berdasarkan lokasi batang pohon kopi tingkat kematangannya. Teknologi image processing diterapkan dengan mengadopsi penggunaan komputer mikro Raspberry Pi, modul kamera Raspberry Pi Camera Board, versi 2, dan bahasa pemrograman OpenCV. Perubahan pola panen buah kopi dari petik sembarang (petik racutan_ menjadi panen petik merah diikuti dengan perbaikan proses fermentasi buah kopi diharapkan menghasilkan kualitas green bean menjadi lebih baik dan harga jual yang lebih tinggi.]]>
