Madu kelulut, madu yang dihasilkan oleh lebah kelulut (Trigona sp.) merupakan salah satu produk unggulan dari Pulau Kalimantan. Lebah kelulut memiliki ukuran lebih kecil dibanding lebah biasa, namun mampu menghasilkan madu yang berkualitas tinggi. Sampai saat ini, pemantauan kondisi sarang lebah madu kelulut masih dilakukan secara manual dengan mengecek satu per satu sarang. Cara ini cukup memakan waktu dan tenaga. Dengan berkembangnya teknologi saat ini, pemantauan sarang lebah madu kelulut dapat dilakukan dengan cara yang lebih mudah dan efektif menggunakan metode deep learning untuk deteksi objek seperti You Only Look Once (YOLO). Penelitian ini menerapkan metode YOLOv5 untuk mendeteksi kondisi pot pada sarang lebah madu kelulut dengan 3 kondisi yang diuji, diantaranya pengisian, fermentasi, dan matang. Penelitian dilakukan dengan 80 citra dataset dengan proses training menggunakan 50 epoch dengan waktu running sekitar 1 jam 14 menit. Hasil pengujian model YOLOv5 menunjukkan presisi keseluruhan 0.639 dan recall keseluruhan 0.533, dengan nilai mAP 0.5 sebesar 0.583. Rata-rata nilai IoU dari 8 citra data test yang diujikan adalah 0.524229 dengan rata-rata akurasi klasifikasi ketepatan deteksi yang benar sebesar 87%. Hasil ini menunjukkan bahwa model memiliki kinerja yang cukup baik namun masih kesulitan untuk mengenali kondisi pot tertentu pada sarang lebah madu kelulut.