Klasifikasi Rumput Liar Menggunakan Deep Learning Dengan Dense Convolutional Neural Network
Abstract
Weed control research using robots increases productivity in agriculture. Most of the work focused on developing robotics for farmland, ignoring the weed management issues facing pasture farmers. In developing a weed control robot, it takes a lot of hardware and software components and devices. In software requirements, there is a need for a system that can help the robot to recognize weeds that it will take care of for land management. The biggest obstacle to the expansion of robotic weed control is the robust classification of weed species in their natural environment. This work contributes to the method of classifying weed species using Deep Learning with Dense Convolutional Neural Network. The wild grass images used are Chinee apple, Snake weed, Lantana, Prickly acacia, Siam weed, Parthenium, Rubber vine and Parkinsonia. This image recognition implementation is done by using Resnet50 on Tensorflow at Google Collaboratory. The dataset used in the test is the DeepWeeds dataset which consists of 17,509 images labeled with 10,505 training data and 3,502 test data used to produce evaluation values with 78% precision, 78% recall, 78% f1-score, 77.73% accuracy and loss. 0.6676.
Kata kunci: ResNet50; Convolutional Neural Network; Image Classification.
Abstrak
Penelitian kontrol gulma menggunakan robot meningkatkan produktivitas di bidang agrikultur. Sebagian besar pekerjaan fokus pada pengembangan robotika untuk lahan pertanian, mengabaikan masalah pengelolaan gulma yang dihadapi peternak padang rumput. Dalam mengembangkan robot pengendali gulma dibutuhkan banyak perangkat dan komponen hardware maupun software. Pada kebutuhan software perlu adanya sistem yang dapat membantu robot untuk mengenali tanaman gulma yang akan diurusnya untuk pengelolaan lahan. Kendala terbesar untuk peluasan pengendalian gulma dengan robot adalah klasifikasi kuat species gulma di lingkungan alami mereka. Karya ini berkontribusi pada metode pengklasifikasian species gulma menggunakan Deep Learning dengan Dense Convolutional Neural Network. Citra tanaman rumput liar yang digunakan adalah Chinee apple, Snake weed, Lantana, Prickly acacia, Siam weed, Parthenium, Rubber vine dan Parkinsonia. Implementasi pengenalan citra ini dilakukan dengan memanfaatkan Resnet50 pada Tensorflow di Google Collaboratory. Dataset yang digunakan dalam pengujian adalah dataset DeepWeeds yang terdiri dari 17.509 gambar berlabel sebanyak 10.505 data training dan 3.502 data test yang digunakan menghasilkan nilai evaluasi dengan nilai precision 78%, recall 78%, f1-score 78%, akurasi 77,73% dan loss 0.6676.
Kata kunci: ResNet50; Convolutional Neural Network; Image Classification.
References
Espejo-Garcia B, Malounas I, Vali E and Fountas S., “Testing the Suitability of Automated Machine Learning for Weeds Identification,” AI. 2021; 2(1):34-47. doi:10.3390/ai2010004.
Teimouri N, Dyrmann M, Nielsen PR, Mathiassen SK, Somerville GJ and Jørgensen RN. “Weed Growth Stage Estimator Using Deep Convolutional Neural Networks,” Sensors. 2018; 18(5):1580. doi: 10.3390/s18051580.
Jin X, Che J and Chen Y, “Weed Identification Using Deep Learning and Image Processing in Vegetable Plantation,” IEEE Access. January 2021; 9. doi: 10.1109/ACCESS.2021.3050296.
Rahman AY, “Image Classification of Starlings Using Artificial Neural Network and Decision Tree,” International Conference on Cybernetics and Computational Intelligence (CyberneticsCom). August 2022. doi: 10.1109/CyberneticsCom55287.2022.9865465.
S. Riyadi and D. I. Mulyana, “Optimasi Image Classification Pada Wayang Kulit Dengan Convolutional Neural Network,” JUST TI (Jurnal Sains Terap. Teknol. Informasi) 14, vol. 1, no. September 2021, pp. 17–24, 2022.
P. Anggeli, S. Suroso, and M. Z. Agung, “Klasifikasi Alat Musik Tradisional dengan Metode Machine Learning dengan Librosa dan Tensorflow pada Python,” J-SAKTI (Jurnal Sains Komput. dan Inform., vol. 5, no. 2, pp. 949– 956, 2021.
Anggiratih E, Siswanti S, Octaviani SK and Sari A, “Klasifikasi Penyakit Tanaman Padi Menggunakan Model Deep Learning Efficientnet B3 Dengan Transfer Learning,” SINUS. 2021; 19(1). doi: 10.30646/sinus.v19i1.526.
U. N. Oktaviana, R. Hendrawan, A. D. K. Annas, and G. W. Wicaksono, “Klasifikasi Penyakit Padi berdasarkan Citra Daun Menggunakan Model ResNet101,” vol. 5, no. 158, pp. 9–11, 2021.
J.R.Dinesh Kumar, C.Ganesh Babu and K.Priyadharsini, “An experimental investigation to spotting the weeds in rice field using deepnet,” ScienceDirect. 2021; 45(9), pp. 8041-8053.
E. I. Haksoro and A. Setiawan, “Pengenalan Jamur Yang Dapat Dikonsumsi Menggunakan Metode Transfer Learning Pada Convolutional Neural Network,” J. ELTIKOM, vol. 5, no. 2, pp. 81–91, 2021, doi: 10.31961/eltikom.v5i2.428.
E. Prasetyo, R. Purbaningtyas, R. Dimas Adityo, E. T. Prabowo, A. I. Ferdiansyah, and P. Korespondensi, “Perbandingan Convolution Neural Network Untuk Klasifikasi Kesegaran Ikan Bandeng Pada Citra Mata,” vol. 8, no. 3, pp. 601–608, 2021, doi: 10.25126/jtiik.202184369.
M. I. Rosadi and M. Lutfi, “Identifikasi Jenis Penyakit Daun Jagung Menggunakan Deep Learning Pre- Trained Model,” vol. 13, no. 36, pp. 1–8, 2021.
N.A. Niyozmatova, N.S. Mamatov, B.I. Otaxonova, A.N. Samijonov and K.K. Erejepov, “Classification Based On Decision Trees And Neural Networks,” ICISCT. November 2021. doi: 10.1109/ICISCT52966.2021.9670345.
A. B. Sinuhaji, A. G. Putrada, and H. H. Nuha, “Klasifikasi Gambar dari Prototipe Camera Trap Menggunakan Model ResNet-50 untuk Mendeteksi Satwa Dilindungi,” vol. 8, no. 5, pp. 10544–10555, 2021.
Shirzadifar A, Bajwa S, Nowatzki J and Bazrafkand A, “Field identification of weed species and glyphosate-resistant weeds using high resolution imagery in early growing season,” ScienceDirect. December 2020; 200, pp. 200-214.
J. E. Widyaya and S. Budi, “Pengaruh Preprocessing Terhadap Klasifikasi Diabetic Retinopathy dengan Pendekatan Transfer Learning Convolutional Neural Network,” J. Tek. Inform. dan Sist. Inf., vol. 7, no. 1, pp. 110–124, 2021, doi: 10.28932/jutisi.v7i1.3327.
M. F. Naufal and S. F. Kusuma, “Pendeteksi Citra Masker Wajah Menggunakan CNN dan Transfer Learning,” J. Teknol. Inf. dan Ilmu Komput., vol. 8, no. 6, p. 1293, 2021, doi: 10.25126/jtiik.2021865201.
D. M. Wonohadidjojo, “Perbandingan Convolutional Neural Network pada Transfer Learning Method untuk Mengklasifikasikan Sel Darah Putih,” Ultim. J. Tek. Inform., vol. 13, no. 1, pp. 51–57, 2021, doi: 10.31937/ti.v13i1.2040.
Thiodorus G, Prasetia A, Ardhani LA, Yudistira N, “Klasifikasi citra makanan/nonmakana n menggunakan metode Transfer Learning dengan model Residual Network,” JISI. Juli 2021; 11(2). doi: 10.26594/t eknologi.v11i2.2402.
J. Rozaqi, A. Sunyoto, and R. Arief, “Implementasi Transfer Learning pada Algoritma Convolutional Neural Network Untuk Identifikasi Penyakit Daun Kentang Implementation of Transfer Learning in the Convolutional Neural Network Algorithm for Identification of Potato Leaf Disease,” Procedia Eng. Life Sci., vol. 1, no. 1, 2021, [Online]. Available: https://press.umsida.ac.id/index.php/PELS/article/view/820/478.
M. McDaniel, S. Teng, E. Sprout, H. Costa, H. Hall, J. Hunt, D. Boudreau, T. Ramroop, K. Rutledge, “The Art and Science of Agriculture,” National Geographic, 28 Juli 2022. [Online]. https://education.nationalgeographic.org/resource/agriculture [Diakses: 30 Mei 2022].
KEMENTERIAN PERTANIAN REPUBLIK INDONESIA, “Empat dari Sepuluh Produk Ekspor Andalan Indonesia Adalah Komoditas Pertanian,” KEMENTERIAN PERTANIAN REPUBLIK INDONESIA, 2022. [Online]. https://www.pertanian.go.id/home/?show=news&act=view&id=3813#:~:text=Dari%20sekian%20banyak%20produk%20yang,%2C%20sawit%2C%20kakao%20dan%20kopi. [Diakses: 30 Mei 2022].
KEMENTERIAN PERDAGANGAN REPUBLIK INDONESIA, “Produk Unggulan Indonesia,” KEMENTERIAN PERDAGANGAN REPUBLIK INDONESIA, 2022. [Online]. http://ppei.kemendag.go.id/produk-unggulan-indonesia/ [Diakses: 30 Mei 2022].
R.A. Sari, “RUMPUT LAPANG SEBAGAI HIJAUAN PAKAN TERNAK,” Dinas Perikanan Dan Peternakan Kabupaten Bogor, 26 Oktober 2020. [Online]. https://diskanak.bogorkab.go.id/rumput-lapang-sebagai-hijauan-pakan-ternak/ [Diakses: 30 Mei 2022].
How To Cite This :
Refbacks
- There are currently no refbacks.
