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, aplikasi web deteksi penyakit daun tomat. Pilih atau unggah foto daun, dan model mobile net V2 hasil optimasi optuna langsung menampilkan penyakit beserta tingkat keyakinannya. Di data uji, akurasinya 93,7%. Ayo kita mulai. Halo, selamat datang di episode terakhir seri deteksi penyakit daun dengan transfer learning dan optimasi hyperparameter. Kita punya tiga model, hasil fitur extraction, fine tuning manual, dan fine tuning dengan hyperparameter optuna. Sekarang kita nilai ketiganya di data uji yang belum pernah dilihat, membedah kinerja per kelas, lalu mengubah model terbaik menjadi aplikasi web yang bisa dipakai siapa saja.
Langkah 1: Akurasi uji tiga model
Buat file evaluasi underscore daun dot pey. Kita muat ketiga model dari file PT masing-masing, memprediksi 300 citra uji, lalu menghitung akurasinya. Jalankan Feature extraction 75,3%, fine tuning 92,3%, dan model optuna 93,7%. Urutannya sama dengan hasil validasi, artinya model kita tidak overfit pada data validasi.
Langkah 2: Laporan per kelas 8 confusion matrix
Akurasi saja tidak cukup untuk penelitian. Klasification report menampilkan precision, recall, dan F1 per kelas. Jamur daun dan virus mosaik sempurna dengan F11, daun sehat 0,98. Kelas tersulit hawar awal dengan F10,867. Tunggau laba-laba punya recall 1 tetapi precision 0,81, artinya beberapa daun kelas lain keliru ditebak sebagai tunggau. Confucian Matrix memperjelasnya, diagonal hijau adalah prediksi benar, dan contohnya tiga daun bercak target diprediksi sebagai tunggau laba-laba.
Langkah 3: Analisis salah prediksi
Mari lihat contoh salah prediksi. Dari 300 citra uji, 19 salah. Jika diperhatikan, banyak kesalahan terjadi pada daun dengan bercak kecil yang mirip antar penyakit, sesuatu yang kadang juga sulit bagi mata manusia. Di bagian akhir kita simpan satu contoh daun per kelas ke folder contoh untuk aplikasi web.
Langkah | Aplikasi Streamlit: memuat model & input
Sekarang aplikasi webnya. Buat file app underscore daun dot paye dengan streamlit. Model dimuat sekali dengan caca resource, supaya tidak dimuat ulang setiap interaksi. Halaman berisi judul, select box untuk memilih contoh daun, dan file uploader untuk mengunggah foto sendiri.
Bagian prediksi, citra ditampilkan di kolom kiri, lalu diproses dengan transformasi eval yang sama seperti saat evaluasi, dan softmax mengubah keluaran model menjadi probabilitas. Kolom kanan menampilkan prediksi teratas dalam kotak hijau, plus tiga kemungkinan teratas dengan progress bar. Kita jalankan dengan streamlit run di latar, lalu membukanya di browser di localhost port 8501.
Langkah 6: Mencoba aplikasi di browser
Aplikasinya tampil. Contoh pertama, bercak bakteri, diprediksi benar dengan keyakinan sekitar 99%. Kita pilih contoh lain dari select box, jamur daun, dan model langsung memperbarui prediksinya dengan benar. Aplikasi ini siap dikembangkan menjadi alat bantu petani atau penyuluh pertanian. Selesai, dan selesai pula seri ini.
Selesai!
Kita sudah membangun penelitian deteksi penyakit daun secara lengkap, dataset plan village, augmentasi dan pipeline data, transfer learning mobile net V2 dan resnet 50, fine tuning dengan cosine annealing, optimasi hyperparameter dengan optuna, evaluasi perkelas, sampai aplikasi web. Untuk penelitian lanjutan, coba foto daun dari lapangan, kelas tanaman lain, atau model efficient net. Terima kasih sudah mengikuti seri ini. 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 dataset 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. 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.
