Klasifikasi penyakit padi berdasarkan citra daun padi menggunakan neural network

Abstrak:

Pertanian memegang peran penting pada sektor pangan dan ekonomi di Indonesia. Pada sektor makanan, nasi merupakan salah satu makanan yang banyak dimakan. Salah satu faktor yang menyebabkan hasil panen padi menurun yaitu penyakit padi. Penelitian ini mengukur kinerja metode Neural Network dalam mendeteksi penyakit padi pada citra daun padi dan menganalisis faktor-faktor yang memengaruhi kinerja Neural Networks. Data citra yang mencakup 6 jenis penyakit padi seperti Bacterial Leaf Blight, Brown Spot, Healthy, Leaf Blast, Leaf Scald, dan Narrow Brown Spot. Data diperoleh melalui website Kaggle dengan data sebanyak 2.100 data. Desain sistem yang digunakan pada penelitian yaitu preprocessing yang meliputi ekstraksi fitur warna dan normalisasi data kemudian kemudian klasifikasi Neural Networks yang memiliki 6 layers. Hasil dari penelitian yaitu nilai evaluasi yang terdiri dari nilai akurasi, presisi dan recall pada tiap-tiap skenario dengan nilai terbaik pada skenario 1 dengan learning rate 0,01 dan rasio 90:10 yang memiliki hasil akurasi 92,38%, presisi 92,81% dan recall 92,38%. Dari hasil uji coba dapat diketahui bahwa beberapa variabel dapat memengaruhi hasil dari nilai evaluasi seperti jumlah epoch, banyak data, pengolahan citra, dan arsitektur Neural Networks serta Neural Networks mampu melakukan klasifikasi pada citra penyakit daun padi.

Abstract:

Agriculture plays an important role in the food and economic sectors in Indonesia. In the food sector, rice is one of the foods that is widely eaten. One of the factors that causes rice yields to decrease is rice pests and pests. This research measures the performance of the method Neural Network in detecting rice pests in images of rice leaves and analyzing the factors involved to influence performance of Neural Networks. Image data covering 6 types of rice diseases such as Bacterial Leaf Blight, Brown Spot, Healthy, Leaf Blast, Leaf Scald, and Narrow Brown Spot. Data was obtained via the Kaggle website with 2,100 data. The system design used in the research is preprocessing which includes color feature extraction and data normalization then classification Neural Networks which has 6 layers. The results of the research are evaluation values consisting of accuracy, precision and recall values in each scenario with the best value in scenario 1 with a learning rate of 0.01 and a ratio of 90:10 which has an accuracy result of 92,38%, precision of 92,81% and recall 92,38%. From the test results it can be seen that several variables can influence the results of evaluation values such as number of epochs, learning rate value, amount of data, image processing, and architecture Neural Networks as well as Neural Networks able to carry out classification on images of rice leaf diseases.

الملخص:

تلعب الزراعة دورًا مهمًا في قطاعي الغذاء والاقتصاد في إندونيسيا. وفي قطاع الأغذية، يعد الأرز أحد الأطعمة التي يتم تناولها على نطاق واسع. أحد العوامل التي تؤدي إلى انخفاض محصول الأرز هو آفات الأرز وآفاته. يقيس هذا البحث أداء هذه الطريقة الشبكة العصبية في الكشف عن آفات الأرز في صور أوراق الأرز وتحليل العوامل المؤثرة عليها أداء العصبية الشبكات. بيانات الصورة تغطي 6 أنواع من أمراض الأرز مثل لفحة الأوراق البكتيرية, بقعة بنية, صحيح, انفجار ورقة, تحرق الأوراق، و بقعة بنية ضيقة. تم الحصول على البيانات عبر موقع كاخخيل مع 2100 بيانات. تصميم النظام المستخدم في البحث هو المعالجة المسبقة والتي تتضمن استخراج ميزات الألوان وتطبيع البيانات ثم التصنيف الشبكات العصبية الذي لديه 6 طبقات. نتائج البحث عبارة عن قيم تقييمية مكونة من قيم الدقة والإحكام والاستذكار في كل سيناريو مع القيمة الأفضل في السيناريو 1 بمعدل تعلم 0.01 ونسبة 90:10 والتي تبلغ نتيجة دقة 92,38 %، دقة 92,81% واستدعاء 92,38%. من نتائج الاختبار يمكن أن نرى أن العديد من المتغيرات يمكن تأثير نتائج قيم التقييم مثل عدد العصور وقيمة معدل التعلم وكمية البيانات ومعالجة الصور والهندسة المعمارية الشبكات العصبية إلى جانب الشبكات العصبية قادرة على تنفيذ التصنيف على صور أمراض أوراق الأرز.