Penerapan Metode Yolo V5 Dalam Mendeteksi Penyakit Tanaman Buah Naga
DOI:
https://doi.org/10.29407/e5m5x682Keywords:
Deep learning, Deteksi Objek, Yolo V5Abstract
Tujuan penelitian ini adalah untuk menggunakan Convolutional Neural Network (CNN) untuk mengidentifikasi penyakit dan buah pada tanaman buah naga. Berbagai penyakit dan kerusakan yang menyerang tanaman buah naga dapat mengurangi hasil panen secara signifikan. Oleh karena itu, untuk mendukung pertanian yang berkelanjutan, pengembangan sistem yang dapat mengidentifikasi penyakit dan mengetahui kondisi tanaman sangat penting. Studi ini menghasilkan program yang menggunakan model YOLO V5 untuk memecah gambar tanaman buah naga menjadi bagian-bagian yang berbeda, seperti daun dan buah, berdasarkan gambar input. Hasil program ini termasuk memprediksi jenis penyakit yang terdeteksi, menentukan lokasi spesifik penyakit pada tanaman, dan menemukan lokasi buah. Dataset yang relevan diuji untuk menghasilkan hasil deteksi yang akurat, dapat diandalkan, dan didukung.
Downloads
References
M. Salafuddin, “Sistem pakar diagnosa penyakit buah naga menggunakan metode backward chaining dan forward chaining,” Jounal informatics Technol., vol. 10, no. 1, pp. 16–32, 2017.
L. Hakim, S. P. Kristanto, D. Yusuf, A. R. Asyari, and K. Umam, “Sistem Deteksi Penyakit Dan Crawling Informasi Pada Tanaman Buah Naga Berbasis Web Dan Android,” J. Teknoinfo, vol. 17, no. 1, p. 27, 2023, doi: 10.33365/jti.v17i1.2256.
R. Kurniawan, A. T. Martadinata, and S. D. Cahyo, “Klasifikasi Tingkat Kematangan Buah Sawit Berbasis Deep Learning dengan Menggunakan Arsitektur Yolov5,” vol. 5, no. 1, pp. 302–309, 2023, doi: 10.47065/josh.v5i1.4408.
S. Hukmi, “Sistem Pakar Diagnosa Penyakit Tanaman Buah Naga Berbasis Web Di Desa Beringin Taluk,” J. Perencanaan, Sains, Teknol. dan Komput., vol. 3, no. 2, pp. 748–761, 2020.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Qutrido Mohti, Rendy Wahyudi, Habib Mustofa
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
