Pengembangan Model Identifikasi Penyakit Pada Tanaman Padi Berbasiskan Faster Rcnn

Abstract

Kesalahan dalam mengidentifikasi penyakit pada tumbuhan padi bisa menyebabkan potensi kegagalan panen meningkat hingga 18%-80% menurut data kementerian pertanian Indonesia. Hal ini bisa disebabkan karena masih kurangnya ekspert di bidang pertanian. Oleh sebab itu teknologi bisa menjadi solusi dari masalah kekurangan ekspert, terutama dengan memanfaatkan deep learning. Penelitian terbaru dalam bidang deep learning menggunakan neural network telah mencapai peningkatan yang luar biasa, terutama pada bidang pertanian. Penelitian dengan memanfaatkan deep learning yaitu faster rcnn pernah dilakukan untuk mendeteksi apakah padi mengidap penyakit false smut atau bukan. Namun pemanfaatan object detection pada penelitian sebelumnya belum optimal karena hanya untuk binary classification. Pada penelitian ini dengan menggunakan faster rcnn untuk identifikasi penyakit pada tanaman padi menggunakan 1500 data yang diambil secara mandiri. Dengan 3 kelas data penyakit dan masing-masing kelas memiliki 500 gambar sebelum di anotasi. Selanjutnya data di anotasi dan di resize dengan ukuran 512x512, baru kemudian dilakukan training. Dengan menggunakan backbone, dan pretrained model resnet50_fpn, dan Fast rcnn sebagai predictor pada layer terakhirnya. Model mampu mendeteksi penyakit spesifik di area yang diidap. Disamping itu juga model mampu mendeteksi penyakit lebih dari satu pada tanaman padi. Dengan Hasil akhir dari pengujian mAP sebesar 87.6% dan recall 85.7%. Selanjutnya inference pada dataset publik juga cukup memuaskan karena model mampu mendeteksi penyakit yang ada, dengan resolusi gambar berbeda-beda.