Deteksi Tingkat Kematangan Buah Tomat Menggunakan YOLOv5
Detection of Tomato Fruit Ripeness Level Using YOLOv5
DOI:
https://doi.org/10.57152/malcom.v4i2.1270Keywords:
Deep Learning, Deteksi Objek, Tomat, Yolov5Abstract
Deteksi kematangan tomat sangat penting untuk pertanian dan industri pertanian. Pendekatan pembelajaran mendalam baru-baru ini menunjukkan bahwa mereka dapat menangani masalah yang melibatkan deteksi objek, termasuk deteksi buah. Untuk menentukan tingkat kematangan tomat, algoritma You Only Look Once (YOLOv5) akan digunakan dalam penelitian ini. Teknik ini menggunakan satu tahap yang menyatukan proses lokalisasi dan deteksi. Dataset yang kami gunakan untuk pelatihan dan pengujian algoritma YOLOv5 berisi gambar tomat pada berbagai tahap kematangan. 981 total foto untuk data train, 121 data validasi, dan 64 data test. Temuan pengujian menunjukkan akurasi yang sangat baik dengan mana algoritma YOLOv5 dapat mengidentifikasi dan mengkategorikan kematangan tomat. Studi ini memajukan teknik untuk mendeteksi kematangan buah dan dapat diterapkan pada kontrol kualitas tomat sektor pertanian. Temuan penelitian ini ditunjukkan oleh nilai akurasi deteksi maksimum, yaitu 73%.
References
W. Wardana and W. O. Alzarliani, “Faktor-Faktor yang Mempengaruhi Minat Petani Menerapkan Teknologi Pengolahan Buah Tomat di Desa Wakuli Kecamatan Kapontori Kabupaten Buton,” Agrikan: Jurnal Agribisnis Perikanan, vol. 12, no. 1, p. 145, Jul. 2019, doi: 10.29239/j.agrikan.12.1.145-151.
J. Redmon and A. Farhadi, “YOLOv3: An Incremental Improvement,” Apr. 2018, [Online]. Available: http://arxiv.org/abs/1804.02767
K. Fani, “ESTIMASI BIOMASSA TANAMAN NANAS BERDASARKAN LEBAR DAUN MENGGUNAKAN ALGORITMA MACHINE LEARNING,” 2023.
N. Jannah, S. A. Wibowo, and T. S. Siadari, “Eksploitasi Fitur Untuk Peningkatan Kinerja Deteksi Objek Berbasis Pada Pesawat Tanpa Awak,” eProceedings of Engineering, vol. 9, no. 6, 2023.
O. E. Karlina and D. Indarti, “Pengenalan Objek Makanan Cepat Saji Pada Video Dan Real Time Webcam Menggunakan Metode You Look Only Once (Yolo),” Jurnal Ilmiah Informatika Komputer, vol. 24, no. 3, pp. 199–208, 2020.
D. I. Mulyana and M. A. Rofik, “Implementasi Deteksi Real Time Klasifikasi Jenis Kendaraan Di Indonesia Menggunakan Metode YOLOV5,” Jurnal Pendidikan Tambusai, vol. 6, no. 3, pp. 13971–13982, 2022.
L. Lusiana, A. Wibowo, and T. K. Dewi, “Implementasi Algoritma Deep Learning You Only Look Once (YOLOv5) Untuk Deteksi Buah Segar Dan Busuk,” Paspalum: Jurnal Ilmiah Pertanian, vol. 11, no. 1, pp. 123–130, 2023.
S. Tan, G. Lu, Z. Jiang, and L. Huang, “Improved YOLOv5 network model and application in safety helmet detection,” in 2021 IEEE International Conference on Intelligence and Safety for Robotics (ISR), IEEE, 2021, pp. 330–333.
H. Lin, J. D. Deng, D. Albers, and F. W. Siebert, “Helmet use detection of tracked motorcycles using cnn-based multi-task learning,” IEEE Access, vol. 8, pp. 162073–162084, 2020.
