Deskripsi

Pendekatan inovatif untuk pertanian presisi dengan mengembangkan kerangka kerja aplikasi seluler yang memanfaatkan algoritma YOLOv8 untuk mendeteksi dan menghitung jumlah daun anggur. Tujuannya adalah untuk meningkatkan pemantauan pertumbuhan anggur (Vitis vinifera L.) melalui penghitungan daun yang akurat, yang sangat penting untuk menilai perkembangan tanaman. Dengan mengintegrasikan TensorFlow Lite dan Algoritma YOLOv8 dioptimalkan untuk aplikasi seluler, memastikan pemrosesan yang efisien. Evaluasi eksperimental dilakukan dengan menggunakan tiga set data, masing-masing terdiri dari 100, 200, dan 300 gambar daun anggur. Hasil yang diperoleh menunjukkan bahwa algoritma yang diusulkan mencapai akurasi tinggi dalam deteksi dan penghitungan jumlah daun, dengan precision, recall, dan metrics F1-score yang menunjukkan peningkatan yang signifikan seiring dengan bertambahnya jumlah gambar di dataset. Secara khusus, model YOLOv8 menunjukkan F1-score hingga 79% dengan dataset 300 gambar, menyoroti ketangguhannya dalam menangani berbagai kompleksitas gambar dan daun yang tumpang tindih. Kecepatan pemrosesan aplikasi ini juga patut dicatat, dengan waktu deteksi per gambar secara konsisten di bawah 7 detik di semua dataset. Kemampuan pemrosesan yang cepat ini sangat penting untuk aplikasi lapangan secara real-time kedepannya. Penelitian ini menyoroti potensi algoritma pembelajaran seperti YOLOv8 dalam meningkatkan produktivitas pertanian melalui otomatisasi dan aplikasi seluler yang dikembangkan yang tidak hanya memberikan jumlah daun yang akurat tetapi juga mengintegrasikan pemantauan lingkungan sehingga dapat membuka jalan untuk pertanian presisi yang lebih efisien dan berkelanjutan.