Machine Learning merupakan suatu bidang yang sangat luas digunakan hampir dalam seluruh aspek teknologi saat ini. Pemanfaatan machine learning salah satunya adalah pada bidang computer vision yang dapat mengklasifikasikan objek dari bentuk visual yang disebut dengan image recognition. Salah satu sub-bidang dari machine learning adalah deep learning yang mengimitasi cara kerja sistem neuron pada otak manusia salah satunya untuk image recognition. Penelitian ini menggunakan arsitektur CNN (Convolutional Neural Network) LeNet-5 sebagai model untuk mendeteksi citra gambar larutan FeCl3 dan NaCl dari rentang kosentrasi efektif dari 1 M hingga 0.001 M dan pH dari 10 hingga 2 menggunakan efek fluoroscence yang dihasilkan oleh quantum dot. Hasil dari penelitian ini adalah larutan FeCl3 dan NaCl dapat dideteksi dengan nilai akurasi deteksi rata-rata 85% dengan nilai precision dari masing-masing FeCl3 dan NaCl adalah 100% dan 70%, recall 77% dan 100%, dan F1-Score 87% dan 82%. Selain itu, untuk FeCl3 efek fluoroscence quantum dot tidak dapat terlihat pada rentang konsentrasi di bawah 0.05 M, terkecuali untuk larutan NaCl dimana efek fluoroscence dapat terlihat jelas pada semua rentang konsentrasi yang diteliti. Diharapkan penelitian ini dapat memberikan manfaat lebih salah satunya untuk mendeteksi adanya kandungan ion besi dan natrium dalam tanah.
Kata kunci : Deep Learning;Titik Kuantum;Image Recognition