Deteksi hama dari citra tanaman

Abstract

Penanganan hama dan penyakit tanaman merupakan permasalahan yang cukup sulit bagi petani modern yang belum memahami seluk-beluk dalam bercocok tanam. Dibutuhkan pengetahuan dan pengalaman dalam mengenali jenis penyakit dan hama tanaman, juga dalam memberikan penanganan yang tepat. Tanaman hortikultura mampu menunjukkan gejala hama dan penyakit pada bagian tanaman seperti daun, buah, batang, dan akar. Meskipun terdapat banyak variasi penyakit dan hama, gejala secara umum dapat jelas terlihat pada bagian daunnya. Teknologi pengenalan citra dapat dimanfaatkan sebagai solusi pada permasalahan ini. Hama dan penyakit tanaman dapat dideteksi secara otomatis melalui masukan citra daun tanaman, dengan teknik klasifikasi. Convolutional Neural Network (CNN) merupakan arsitektur algoritma Deep Learning yang dikhususkan dalam pengenalan citra. CNN adalah teknik yang cocok untuk digunakan karena sifatnya yang fleksibel terhadap variasi data, terutama pada permasalahan penelitian ini. CNN digunakan dalam merancang model klasifikasi jenis hama dan penyakit tanaman yang menerima citra daun sebagai masukannya. Data yang dipelajari model berupa citra daun tanaman hortikultura sehat dan berpenyakit, yang didapat melalui kunjungan langsung pada daerah Bandung dan sekitarnya. Rancangan akhir model mampu mencapai rata-rata akurasi sebesar 0.854 pada pengujian terhadap dataset utama. Model klasifikasi menggunakan pendekatan Multi-Model yang melibatkan lebih dari 1 model dalam proses klasifikasi. Rancangan akhir model dimanfaatkan pada perangkat lunak yang dapat digunakan dalam kasus nyata. Perangkat lunak mampu menerima masukan citra tanaman, memanfaatkan model klasifikasi, dan menampilkan penanganan hama dan penyakit tanaman yang sesuai. Implementasi rancangan model memanfaatkan Library Machine Learning TensorFlow.