Menurut estimasi Kementerian Kesehatan RI tahun 2017, jumlah tunanetra di Indonesia mencapai angka 3,75 juta jiwa baik kategori buta maupun lemah penglihatan. Salah satu alat bantu mobilitas bagi tunanetra adalah White Cane. Tetapi alat ini hanya dapat memberikan tanda bahwa terdapat halangan untuk dihindari dan tidak bisa membedakan benda yang ada didepannya. Untuk itu perlu adanya teknologi yang dapat membantu mengatasi permasalahan tersebut. Salah satu bidang penelitian teknologi yang masih berkembang hingga saat ini adalah kecerdasan buatan (Artificial Intelligence). Deep learning yang digunakan untuk pengenalan dan klasifikasi objek adalah Convolutional Neural Network karena banyak digunakan pada penelitian terdahulu dan menghasilkan hasil yang signifikan dalam pengenalan citra. Pada Proyek Akhir ini telah dibuat suatu sistem pegidentifikasi objek dan pengukur jarak untuk mengetahui adanya rintangan/halangan yang berada di depan penyandang tunanetra dan membedakan obyek yang ada didepannya. Untuk mengambilan gambar obyek dilakukan dengan kamera Pi Noir V2, untuk mengukur jarak obyek dengan pengguna dilakukan dengan sensor ultrasonik, dan untuk meproses data dan memberikan output ke earphone dilakukan dengan Raspberry Pi. Sistem pendeteksi dilengkapi dengan algoritma Convolutional Neural Network dengan model MobileNet SSD v2, framework Tensorflow untuk proses rekognisi atau pengenalan dan software eSpeak untuk menerjemahkan ke dalam bentuk suara. Hasil training model dengan menggunakan SGD optimizer memberikan nilai total loss sebesar 0,77. Skenario kedua dengan memanfaatkan adam optimizer dan telah memberikan luaran total loss sebesar 0,69. Dari pengujian yang telah dilakukan kita peroleh bahwa penggunaan adam optimimizer menunjukkan kinerja lebih baik dibandingkan dengan SGD optimizer. Salah satu penyebabnya karena memiliki nilai MAP dan average recall yang lebih besar dibandingkan dengan SGD Optimizer.