Berikut adalah silabus “Pengembangan Sistem Deteksi dan Klasifikasi Penyakit Tanaman Menggunakan YOLOv4 dan Convolutional Neural Networks”:
Sesi 1-5: Pengenalan Dasar
-
Sesi 1: Pengantar Pemrosesan Citra dan Deep Learning Pengenalan pemrosesan citra digital.
-
Pengenalan dasar deep learning dan CNN.
-
Pengenalan YOLOv4 dan aplikasinya.
-
Studi kasus deteksi penyakit tanaman.
-
Sesi 2: Instalasi dan Persiapan Lingkungan Pengembangan Instalasi Python, TensorFlow, dan OpenCV.
-
Instalasi library YOLOv4 dan darknet.
-
Setup Jupyter Notebook untuk pengembangan.
-
Sesi 3: Konsep Dasar Convolutional Neural Networks (CNN) Struktur dasar CNN: Convolutional layer, Pooling, dan Fully Connected layer.
-
Visualisasi proses konvolusi pada citra.
-
Implementasi CNN sederhana untuk klasifikasi citra tanaman.
-
Sesi 4: Arsitektur YOLOv4 Pemahaman arsitektur YOLOv4.
-
Bagian-bagian utama YOLOv4: Backbone, Neck, dan Head.
-
Studi kasus YOLOv4 pada dataset umum.
-
Sesi 5: Pengumpulan Data dan Anotasi Teknik pengumpulan data gambar penyakit tanaman.
-
Tools untuk anotasi data (LabelImg, VoTT).
-
Pembuatan dataset yang baik dan benar.
Sesi 6-10: Persiapan dan Preprocessing Data
-
Sesi 6: Manajemen Dataset dan Labeling Struktur folder dataset.
-
Format data dan labeling (Pascal VOC, COCO).
-
Ekstraksi fitur citra menggunakan OpenCV.
-
Sesi 7: Preprocessing Data Gambar Teknik augmentasi data: rotasi, flipping, zooming, shifting.
-
Normalisasi citra dan resizing.
-
Implementasi augmentasi data pada dataset penyakit tanaman.
-
Sesi 8: Pembagian Dataset dan Cross-Validation Teknik membagi dataset menjadi training, validation, dan testing set.
-
Metode cross-validation untuk model yang lebih robust.



