Cerdas Inovasi DigitalPengembang Software ~ Layanan JasaTraining/Pelatihan ~ Berdiri sejak 1995

Memuat

Kursus Transfer Learning: Deteksi Penyakit Daun Tanaman dengan Optimasi Optuna

Bangun sistem deteksi penyakit daun tomat dengan PyTorch: transfer learning MobileNetV2 & ResNet50, fine-tuning, lalu optimasi hyperparameter otomatis dengan Optuna, sampai aplikasi web. Alurnya mengikuti penelitian sungguhan sehingga bisa langsung menjadi kerangka skripsi, tesis, atau publikasi.

6 Video + PDF PyTorch Tanpa GPU Dataset & file project khusus pelanggan

Kursus transfer learning penyakit daun, kurikulum, arsitektur, dataset, augmentasi, fine-tuning, Optuna, aplikasi web, gambar 1

Kursus transfer learning penyakit daun, kurikulum, arsitektur, dataset, augmentasi, fine-tuning, Optuna, aplikasi web, gambar 2

Kursus transfer learning penyakit daun, kurikulum, arsitektur, dataset, augmentasi, fine-tuning, Optuna, aplikasi web, gambar 3

Kursus transfer learning penyakit daun, kurikulum, arsitektur, dataset, augmentasi, fine-tuning, Optuna, aplikasi web, gambar 4

Kursus transfer learning penyakit daun, kurikulum, arsitektur, dataset, augmentasi, fine-tuning, Optuna, aplikasi web, gambar 5

Kursus transfer learning penyakit daun, kurikulum, arsitektur, dataset, augmentasi, fine-tuning, Optuna, aplikasi web, gambar 6

Kursus transfer learning penyakit daun, kurikulum, arsitektur, dataset, augmentasi, fine-tuning, Optuna, aplikasi web, gambar 7

1 / 7

Geser untuk melihat kurikulum, arsitektur, dan hasil model.

Lihat Paket & Daftar Kursus Tonton Modul 1 Gratis

93,7%

Akurasi uji MobileNetV2 + Optuna (10 kelas)

75% → 92%

Lonjakan akurasi dari feature extraction ke fine-tuning

Trial Optuna dengan TPE sampler & median pruner

< 3 menit

Waktu latih di CPU, tanpa GPU

Apa yang Akan Kamu Pelajari?

Setiap tahap penelitian AI pertanian dipraktikkan langsung dengan kode PyTorch.

Dataset PlantVillage

2.000 foto daun tomat dari 10 kelas: sehat, bercak bakteri, hawar awal & akhir, jamur, tungau, virus, dibagi stratified 70/15/15.

Augmentasi & Pipeline Data

RandomResizedCrop, flip, rotasi, ColorJitter, normalisasi ImageNet, dan Dataset di memori agar pelatihan cepat.

Transfer Learning

MobileNetV2 dan ResNet50 pretrained ImageNet dari torchvision: ganti kepala klasifikasi dan bekukan badan model.

Fine-Tuning

Membuka blok atas, learning rate kecil, dan cosine annealing, akurasi naik dari 76% menjadi 93%.

Optimasi dengan Optuna

Fungsi objective, TPE sampler, median pruner, dan kepentingan hyperparameter untuk mencari konfigurasi terbaik.

Evaluasi & Aplikasi Web

Precision–recall–F1 per kelas, confusion matrix, analisis salah prediksi, dan aplikasi Streamlit deteksi penyakit daun.

Kurikulum: 6 Modul Video

Video 7–15 menit per modul, lengkap dengan PDF panduan. Modul 1 bisa ditonton gratis.

Siapa yang Cocok Mengikuti?

Mahasiswa S1/S2 (skripsi & tesis)

Kerangka penelitian AI pertanian lengkap: model pembanding, model usulan, optimasi, dan evaluasi siap bab 4.

Peneliti & dosen pertanian

Pipeline transfer learning yang mudah diganti tanaman, penyakit, atau dataset lapangan.

Penyuluh & startup agritech

Memahami cara membangun alat bantu diagnosis penyakit tanaman dari foto daun.

Developer AI

Praktik PyTorch, torchvision, Optuna, dan Streamlit dari data sampai aplikasi.

Butuh Pendampingan Riset AI Pertanian?

Kami membantu implementasi model, eksperimen, evaluasi, dan penulisan hasil untuk skripsi, tesis, maupun publikasi.

Lihat Jasa Riset AI Pertanian

Pertanyaan Umum

Apa itu transfer learning?+

Teknik memakai model yang sudah dilatih dengan jutaan foto (ImageNet) lalu menyesuaikannya untuk tugas baru, sehingga cukup dengan data sedikit, di kursus ini 140 foto latih per kelas.

Apakah butuh GPU?+

Tidak. Citra 128x128 piksel membuat feature extraction, fine-tuning, dan optimasi Optuna masing-masing selesai dalam beberapa menit di CPU.

Dataset apa yang dipakai dan apakah boleh untuk skripsi?+

PlantVillage (Hughes & Salathé, 2015, lisensi CC BY-SA 3.0), subset daun tomat 10 kelas. Dataset ini sangat banyak dipakai di publikasi dan boleh digunakan dengan menyertakan sitasi.

Apakah tersedia source code, dataset, dan model terlatih?+

Ya. Pelanggan Kelas Premium dan pembeli kelas mendapat zip berisi dataset, seluruh source code, hasil Optuna, model terlatih, dan aplikasi Streamlit.

Bisakah dipakai untuk tanaman lain?+

Bisa. Ganti isi folder dataset dengan foto tanaman lain (kentang, padi, cabai, dan sebagainya) dan pipeline yang sama langsung bisa dipakai.

Apakah ada pendampingan untuk penelitian saya?+

Ya, tersedia kelas live online dan jasa pendampingan riset AI pertanian untuk skripsi, tesis, maupun publikasi.

Mulai Riset AI Pertanian Anda

Konsultasikan topik penelitian Anda, kami bantu pilihkan paket belajar yang paling sesuai.

Konsultasi Gratis