Dipilih dari software, topik, dan level “Kelas Transfer Learning Penyakit Daun #1: Dataset PlantVillage: Struktur Folder, Distribusi Kelas & Pembagian Data”.
Paling banyak satu email per minggu. Berhenti kapan saja dengan satu klik.
Transkrip
Narasi lengkap video ini. Kalimat yang sedang diucapkan disorot saat video diputar; klik kalimat untuk melompat ke sana.
Tampilkan transkrip
Pembuka
Inilah hasil akhirnya, 2000 foto daun tomat dari 10 kelas, mulai dari daun sehat, bercak bakteri, hawar, jamur, sampai virus, lengkap dengan pembagian data dan visualisasinya. Ini langkah pertama seri kita membangun deteksi penyakit daun dengan transfer learning dan optimasi hyperparameter. Ayo kita mulai. Halo, selamat datang di seri tutorial riset AI, deteksi dan klasifikasi penyakit daun tanaman dengan transfer learning dan optimasi hyperparameter. Penyakit daun bisa menurunkan panen tomat secara drastis, dan petani sering terlambat mengenalinya. Di seri 6 episode ini, kita membangun model yang mengenali 10 kondisi daun tomat dari foto, memahami data set, pipeline data, transfer learning dengan mobile net V2 dan resnet 50, fine tuning, optimasi otomatis dengan optuna, sampai aplikasi web. Di episode pertama ini, kita mengenal datanya. Kita buka terminal lewat menu terminal, new terminal, lalu pasang library seri ini, Torque, Torchvision, Optuna, scikit-learn, matplotlib, dan streamlit.
Langkah 1: Memasang library & dataset
Datasetnya Plain Village, kumpulan foto daun yang sangat populer di penelitian AI pertanian. Kita memakai bagian daun tomat, 10 kelas, masing-masing 200 foto. Folder data set sudah tersedia di file proyek khusus pelanggan premium. Perhatikan struktur foldernya di explorer, dataset, daun tomat, lalu satu subfolder per kelas, dan setiap subfolder berisi foto.
Langkah 2: Struktur folder dan daftar file
Struktur seperti ini standar untuk klasifikasi citra. Buat file data underscore daun dot py. Fungsi daftar kelas membaca nama subfolder, fungsi daftar file menghasilkan pas setiap foto beserta labelnya, 0 sampai 9.
Langkah 3: Pembagian data stratified
Masih di file yang sama, fungsi bagi data membagi data menjadi 70% latih, 15% validasi, dan 15% uji, dengan train test split 2 kali. Parameter stratifi memastikan setiap kelas punya proporsi yang sama di ketiga bagian, dan random state 0 membuat pembagiannya selalu sama setiap dijalankan.
Langkah 4: Jumlah kelas dan pembagian data
Sekarang buat file eksplorasi underscore daun dot py dan jalankan. Ada 10 kelas dengan total 2000 citra, tepat 200 per kelas, jadi datanya seimbang. Setiap citra berukuran 160 kali 160 piksel dengan mode RGB. Pembagiannya 1.400 latih, 300 validasi, dan 300 uji, dan berkat stratifi setiap kelas mendapat tepat 140, 30, dan 30 citra.
Langkah 5: Contoh daun tiap kelas
Mari lihat satu contoh dari setiap kelas. Bercak bakteri dan bercak target menampakkan titik-titik gelap, hawar akhir punya ria coklat yang luas, virus keriting kuning membuat daun menguning dan menggulung, sedangkan daun sehat hijau merata. Beberapa kelas sangat mirip satu sama lain, inilah yang membuat tugasnya menantang.
Langkah 6: Apakah warna saja cukup?
Terakhir, apakah warna saja cukup untuk membedakan penyakit? Kita hitung rata-rata warna merah dan hijau setiap citra, lalu gambar sebagai titik berwarna sesuai kelas. Hasilnya titik-titik dari kelas berbeda bertumpuk di ria yang sama. Artinya warna rata-rata tidak cukup, model harus memahami tekstur dan pola bercak. Disinilah CNN dan transfer learning berperan. Selesai
Selesai!
Kita sudah mengenal data set plan village daun tomat, struktur folder per kelas, membuat daftar file dan label, membagi data secara stratifiat, dan melihat perbedaan visual tiap penyakit. Di episode berikutnya kita membangun augmentasi citra daun dan pipeline data yang efisien. Sedang menyusun skripsi, tesis, atau riset AI di bidang AI pertanian? Cerdas inovasi digital membantu implementasi deep learning, dari transfer learning mobile net dan resnet, fine tuning, optimasi hyperparameter dengan optuna, sampai aplikasi web dan penulisan hasil, serta membuka kursus deep learning dengan pythor. Ingin menguasai seluruh seri ini, dari data set plan village sampai aplikasi web deteksi penyakit daun? Semua 6 episode, lengkap dengan PDF panduan langkah demi langkah dan source code, tersedia untuk pelanggan tutorial premium. Berlangganan mulai Rp69.000 per bulan, hemat 28% dengan paket 12 bulan, atau sekali bayar Rp999.000 untuk akses seumur hidup. Mau satu kelas saja? Beli kelas satuan dengan akses selamanya. Langganan sekarang di halaman premium cerdasinovasidigital.com Hubungi WhatsApp kami, atau kunjungi cerdasinovasidigital.com Terima kasih telah menonton, sampai jumpa di episode berikutnya.
Tanya materi kelas
Ketik pertanyaan atau kata kunci; kami carikan bagian episode ini yang menjelaskannya dan lompatkan videonya ke sana.
Catatan saya
Catatan disimpan bersama menit video saat ini dan hanya terlihat oleh Anda.
Tanya jawab
Bingung di salah satu langkah? Tanyakan di sini; pengajar dan peserta lain bisa menjawab.
Belum ada pertanyaan.
Pengajar
Tim Cerdas Inovasi Digital
Pengembang software, engineer BIM & 3D, dan praktisi AI
53 kelas video1.290 episode
Sehari-hari kami mengerjakan software, model BIM, game, dan otomasi AI untuk klien, lalu menjadikan pengalaman praktik itu kelas langkah demi langkah: setiap langkah diperlihatkan di layar dan dilengkapi panduan PDF.
