Kursus Transfer Learning: Deteksi Penyakit Daun Tanaman dengan Optimasi Optuna
Di kursus ini Anda membangun sistem deteksi 10 penyakit daun tomat dengan PyTorch, mengikuti alur penelitian sungguhan: dataset PlantVillage, augmentasi dan pipeline data, transfer learning MobileNetV2 & ResNet50, fine-tuning dengan cosine annealing, optimasi hyperparameter otomatis dengan Optuna, evaluasi per kelas, sampai aplikasi web Streamlit.
Materi mengikuti seri video Deteksi & Klasifikasi Penyakit Daun Tanaman dengan Transfer Learning (6 modul). Modul 1 bisa ditonton gratis.
Hasil yang Dicapai
- Akurasi uji 93,7% dengan hyperparameter hasil Optuna (feature extraction 75,3%, fine-tuning 92,3%).
- F1 sempurna pada kelas jamur daun dan virus mosaik.
- Seluruh eksperimen berjalan di CPU, tanpa GPU.
Apa yang Dipelajari
- Dataset PlantVillage daun tomat dan pembagian data stratified.
- Augmentasi torchvision dan normalisasi ImageNet.
- Transfer learning: model pretrained, kepala klasifikasi baru, membekukan badan model.
- Fine-tuning blok atas dan CosineAnnealingLR.
- Optuna: fungsi objective, TPE sampler, median pruner, kepentingan hyperparameter.
- Precision, recall, F1, confusion matrix, dan aplikasi Streamlit.
Untuk Siapa?
Mahasiswa S1/S2 yang menyusun skripsi atau tesis AI pertanian, peneliti dan dosen, penyuluh, startup agritech, serta developer AI.
Dataset dan file project tersedia khusus untuk pelanggan premium. Butuh pendampingan riset? Lihat jasa riset AI pertanian.
