Industri bisnis kuliner, seperti restoran, sangat bergantung pada pengalaman konsumen. Salah satu aspek yang dapat mempengaruhi pengalaman konsumen ialah pelayanan yang diberikan oleh restoran dalam menyediakan peralatan makan yang lengkap. Namun, untuk dapat memeriksa kelengkapan peralatan makan secara manual dapat memakan waktu dan rentan terhadap kesalahan manusia. Oleh karena itu, dibutuhkan adanya pengembangan sistem yang mampu mendeteksi kelengkapan perangkat makan di meja makan pada suatu restoran. Untuk mengatasinya, proyek akhir menggunakan kamera dan machine learning untuk membangun sistem yang dapat mengenali peralatan makan pada meja makan secara otomatis. Model machine learning yang digunakan pada proyek akhir ini ialah YOLOv5 untuk melakukan deteksi sendok, garpu, pisau makan, piring makan, gelas, serbet, dan alas makan. Proyek akhir ini akan ditampilkan dalam Graphical User Interface (GUI) yang dapat melakukan deteksi peralatan makan melalui dua cara, yaitu mengunggah gambar dan akses langsung dengan kamera. Model yang dijalankan pada Google Colab menampilkan nilai akurasi sebesar 90% pada saat training dan 93,75% pada testing. Pengujian sistem pada GUI dilakukan berdasarkan lima posisi kamera, yaitu sisi tengah, sudut kiri atas, sudut kiri bawah, sudut kanan atas, dan sudut kanan bawah dengan nilai akurasi secara berturut-turut adalah 83,33%; 75%; 41,66%; 91,66%; dan 75%.