Printed
Sistem Deteksi Dan Klasifikasi Jenis Hama Menggunakan Teknologi Motion Capture Berbasis Machine Vision
Gagal panen akibat serangan hama merupakan permasalahan serius dalam sektor pertanian yang berdampak langsung pada penurunan produktivitas dan kualitas hasil panen. Penanganan secara konvensional sering kali tidak efektif karena keterbatasan dalam deteksi dini dan identifikasi jenis hama. Penelitian ini menawarkan solusi berupa sistem deteksi hama otomatis menggunakan teknologi machine vision dengan algoritma YOLOv8 yang diintegrasikan dengan kamera dan mekanisme gerak servo. Sistem ini dirancang untuk melakukan pemindaian real-time serta mengklasifikasikan objek berdasarkan citra yang ditangkap. Kontribusi utama dalam penelitian ini meliputi perancangan sistem berbasis webcam dan pengendalian sudut pandang kamera melalui servo untuk mendapatkan posisi deteksi optimal, serta pengujian performa model melalui confusion matrix dan kurva Fl-confidence. Hasil pengujian menunjukkan bahwa sistem mampu mengklasifikasikan objek dengan akurasi tinggi, mencapai Fl-score sebesar 0,95 pada confidence threshold 0,728. Sistem juga menunjukkan performa stabil pada sebagian besar kelas meskipun masih terdapat tantangan dalam generalisasi terhadap kelas minoritas. Inovasi ini diharapkan dapat mendukung penerapan otomatisasi di bidang pertanian, khususnya dalam deteksi hama secara cepat dan efisien.
Tidak tersedia versi lain