Logo Lanfrica
  • Accueil
  • Atlas
  • Analyses
  • Documentation
  • Sign in

© 2026 Lanfrica. Tous droits réservés. Tous les droits d'auteur des ressources affichées sur le site Web Lanfrica appartiennent aux détenteurs de droits d'auteur d'origine, sauf indication contraire explicite.

Klasifikasi Rumput Liar Menggunakan Deep Learning Dengan Dense Convolutional Neural Network

Domaine:

agriculture

Type de record:

paper
Créateur:
YusDadYum
Éditeur:
STM
Hôte:

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.

Visit

doi.org

Tasks

computer visionimage classification

Languages

Dinka, NortheasternKirya-KonzelSaya

Similaires

Klasifikasi Citra Penyakit pada Daun Jagung Menggunakan Deep Learning dengan Metode Convolution Neural Network (CNN)KLASIFIKASI KERUSAKAN JALAN PADA CITRA JALAN RAYA PONTIANAK DAN SEKITARNYA DENGAN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORKKlasifikasi Penyakit Pada Daun Jagung Menggunakan Convolutional Neural NetworkMendeteksi Kematangan Buah Kelapa Sawit Menggunakan Convolutional Neural Network Deep LearningKlasifikasi Kualitas Mutu Daun Gambir Ladang Rakyat Menggunakan Metode Convolutional Neural NetworkImplementasi Deep Learning pada Pengenalan Aksara Sunda Menggunakan Metode Convolutional Neural Network

Klasifikasi Citra Penyakit pada Daun Jagung Menggunakan Deep Learning dengan Metode Convolution Neural Network (CNN)

Di kecamatan Gedeg, kabupaten Mojokerto mayoritas masyarakat memiliki mata pencaharian sebagai seora

KLASIFIKASI KERUSAKAN JALAN PADA CITRA JALAN RAYA PONTIANAK DAN SEKITARNYA DENGAN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

Seiring bertambahnya peningkatan pada penduduk membuat kerusakan jalan meningkat sehingga menimbulka

Klasifikasi Penyakit Pada Daun Jagung Menggunakan Convolutional Neural Network

Deep Learning masih diteliti secara luas dan masih menjadi masalah yang menarik. Pada penelitian ini

Mendeteksi Kematangan Buah Kelapa Sawit Menggunakan Convolutional Neural Network Deep Learning

rak Minyak kelapa sawit adalah bahan utama dalam produksi minyak goreng dan juga digunakan dalam pro

Klasifikasi Kualitas Mutu Daun Gambir Ladang Rakyat Menggunakan Metode Convolutional Neural Network

Indonesia adalah salah satu negara yang memiliki kualitas gambir terbaik di dunia. Beberapa daerah d

Implementasi Deep Learning pada Pengenalan Aksara Sunda Menggunakan Metode Convolutional Neural Network

Aksara Sunda merupakan salah satu aksara daerah Indonesia khususnya masyarakat Sunda. Seiring dengan