Beras pulu mandoti merupakan varietas beras ketan merah endemik yang hanya tumbuh dengan kualitas terbaik di Desa Salukanan, Kabupaten Enrekang. Keterbatasan produksi menyebabkan pihak-pihak tertentu melakukan tindakan curang dengan mencampurkan beras pulu mandoti dengan beras lain. Penelitian ini bertujuan untuk merancang sistem deteksi menggunakan teknologi Faster R-CNN guna mengidentifikasi beras pulu mandoti menggunakan aplikasi mobile. Model dilatih menggunakan Google Colab dan diimplementasikan melalui Android Studio. Pengujian dilakukan pada berbagai kondisi pencahayaan dan background untuk mengukur kinerja sistem. Pada pencahayaan tinggi, deteksi menurun hingga 53% pada background hitam dan hijau, namun mencapai 100% dengan latar kuning. Pencahayaan sedang meningkatkan hasil deteksi hingga 92% pada latar hitam dan tetap optimal pada latar kuning dan hijau. Pada pencahayaan rendah, kinerja deteksi berkurang pada background hitam 87% dan hijau 93%, namun tetap 100% pada background kuning. Meskipun sistem mampu mengklasifikasikan beras pulu mandoti dengan akurasi 91%, deteksi bulir beras individu menghadapi kendala, terutama pada kondisi tumpukan. Hasil penelitian menunjukkan bahwa stabilitas pencahayaan dan pemilihan background yang kontras sangat mempengaruhi kinerja sistem deteksi.

Kata kunci : Beras, Faster RCNN, Android, Deep learning