Hitung Cepat Buah Jeruk Berbeda Kultivar pada Pohon berbasis Citra Smartphone dan Kecerdasan Buatan

Abstract

Listen

Translate article

Saat ini, prediksi yield buah jeruk pada suatu kebun jeruk masih dilakukan secara manual, yaitu dengan melakukan sampling menghitung manual jumlah buah pada pohon. Metode ini tidak efektif dan keakuratan prediksi tidak dapat dijamin. Otomasi dalam proses perhitungan buah jeruk pada pohon untuk memprediksi yield dapat dilakukan dengan komputer visi dengan menggunakan model kecerdasan buatan untuk deteksi obyek. Salah satu model yang dapat digunakan adalah model dengan arsitektur You Only Look Once (YOLO. Namun, belum diketahui performa model YOLO untuk pohon jeruk dengan varietas berbeda yang ada di Indonesia. Oleh karenanya, pada penelitian ini dilakukan pengembangan model YOLOv5 untuk menghitung cepat buah jeruk pada pohon dengan varietas yang berbeda. Pada penelitian ini dataset citra primer yang diambil terdiri dari citra pohon jeruk dengan dua kultivar yang berbeda yaitu jeruk Siam Pontianak dan Keprok Terigas yang memiliki karakteristik berbeda. Kemudian model YOLOv5 dilatih dengan menggunakan data citra yang telah dilabeli. Model YOLOv5 dilatih dengan variasi hyperparameter dan kemudian dibandingkan hasilnya. Hasil model terbaik pada Siam Pontianak memiliki konfigurasi label tunggal pada batch size 4 dengan parameter Mean Average Precision (mAP50), akurasi, presisi, recall, dan skor-F1 yang menghasilkan nilai sebesar 0,88; 0,712; 0,853; 0,822; dan 0,8372. Sementara itu, Hasil model terbaik pada Keprok Terigas memiliki konfigurasi label tunggal pada batch size 10 dengan parameter Mean Average Precision (mAP50), akurasi, presisi, recall, dan skor-F1 yang menghasilkan nilai sebesar 0,933; 0,75; 0,913; 0,878; dan 0,8951.