Deskripsi
Gulma merupakan tumbuhan pengganggu yang sering tumbuh disekitar tanaman budidaya pertanian. Pertumbuhan gulma dapat mengganggu tanaman pertanian karena menyerap air dan nutrisi dari tanah yang seharusnya terserap maksimal oleh tanaman pertanian. Penyemprotan tumbuhan gulma terkadang mengenai tanaman budidaya juga, padahal kandungan pestisida dapat berupa racun untuk mematikan tumbuhan gulma. Selain itu, penyemprotan pestisida yang tepat sasaran mengenai tumbuhan gulma juga akan menghemat pestisida yang digunakan. Oleh karena itu, pada penelitian ini diusulkan sistem deteksi gulma menggunakan teknologi Artificial Intelligence yang mampu membedakan tumbuhan gulma dengan tanaman budidaya. Studi kasus tanaman budidaya pada penelitian ini menggunakan ladang tanaman kentang. Terdapat dua tahapan utama dalam proses deteksi tanaman gulma, yaitu tahap segmentasi dan ekstraksi fitur. Warna daun bervariasi tergantung intensitas cahaya waktu perekaman video, sehingga kami mengusulkan penggunaan probabilitas warna pada tahapan segmentasi. Kami menggunakan metode clustering Gaussian Mixture Model dan Expectation–maximization (GMM-EM) untuk mengkluster warna-warna daun. Hasil yang diperoleh dari tahapan segmentasi adalah kandidat area daun tanaman. Tahap selanjutnya adalah ekstraksi fitur beserta klasifikasi dari kandidat area daun. Pada penelitian ini, kami menggunakan teknik transfer learning pada tahap ekstraksi fitur. Kami akan mengevaluasi tiga model transfer learning, yaitu DenseNet201, InceptionV3, dan VGG16. Hasil akhir pada sistem ini adalah klasifikasi tumbuhan gulma atau tanaman kentang. Target penelitian ini adalah menghasilkan sistem deteksi tumbuhan gulma menggunakan probabilitas warna dan teknik transfer learning pada data video.
