Saat ini klasifikasi jamak karakter jepang masih menjadi permasalahan yang besar dalam bidang pengolahan citra. Karakter jepang itu rumit dan terdapat banyak karakter yang menjadikan nya bukan hal mudah untuk model machine learning tradisional. Permasalahan ini membutuhkan model yang dapat melakukan klasifikasi secara jamak dalam satu gambar yang dimana membutuhkan deteksi. Solusi nya adalah menggunakan objek deteksi model, tujuan dari jurnal ini adalah untuk mengenmbangkan model YOLOv4 dengan prinsip pengembangan machine learning pada umum nya dan kemudian di bungkus ke aplikasi agar dapat digunakan dengan mudah. Hasil menunjukan bahwa kekonsistenan klasifikasi lebih besar 17.5% pada gambar yang lebih cerah daripada gambar dengan kecerahan rendah. Kemudian hasil dari klasifikasi jamak ini setelah di uji coba pada tahap awal tidak berhasil melakukan klasifikasi jamak dikarenakan kekurangan referensi bounding box, kemudian pada tahap kedua, dataset model di campur dengan sampel yang di ambil sendiri dengan hasil F1-score 87%, kemudian pengujian juga dilakukan dengan formal klasifikasi jamak pada kecerahan dan jarak. Hasilnya menunjukan bahwa konsistensi pada jarak paling jauh adalah 80% dan untuk kecerahan yang lebih tinggi adala 61% yang dimana lebih baik daripada kondisi yang lain.