Beras adalah salah satu komoditi hasil pertanian dan kualitasnya penting dalam kajian mutu makanan. Kualitas beras dapat diketahui dengan cara melakukan identifikasi atau klasifikasi beras berdasarkan parameter bentuk fisik beras yang terdiri dari beras tipe utuh, beras tipe sedang, dan beras tipe menir. Identifikasi kualitas beras pada umumnya dilakukan secara visual dengan penglihatan mata dan menghasilkan penilaian yang subjektif. Pengolahan citra digital adalah solusi teknologi dalam identifikasi kualitas beras. Teknik dalam pengolahan citra digital dapat dilakukan dengan metode pembelajaran mesin berbasis data dan metode deteksi objek. Pada penelitian sebelumnya metode pembelajaran mesin dengan algoritma Logistic Regression, Support Vector Machine, Decision Tree, Naïve Bayes, Random Forest, Multilayer Perceptron, K-Nearest Neighbors diterapkan untuk masalah klasifikasi varietas beras, sedangkan deteksi tepi dengan operator Canny dan Sobel digunakan untuk mengetahui ukuran patahan beras. Tujuan dari penelitian ini yaitu melakukan analisis hasil dari rancangan sistem identifikasi kualitas beras menggunakan metode pembelajaran terarah dan metode deteksi tepi. Sistem pembelajaran terarah dengan algoritma Convolutional Neural Network berbasis data citra digital dirancang untuk dapat melakukan identifikasi atau klasifikasi kualitas beras. Sistem deteksi tepi dengan operator Canny dirancang untuk dapat melakukan deteksi, penghitungan jumlah beras, dan pengukuran rasio beras dalam sebuah citra digital. Berdasarkan hasil penelitian sistem pembelajaran terarah didapatkan akurasi model data latih pembelajaran terarah dengan persentase 97%. Evaluasi model dalam melakukan klasifikasi didapatkan persentase recall 72% , pecision 85%, dan F1-Score 78%. Sedangkan hasil penelitian metode deteksi tepi yang diterapkan untuk melakukan penghitungan jumlah beras dan pengukuran beras memiliki nilai persentase akurasi yaitu 96.87%.