تصنيف الأمراض في أوراق نخيل الزيت باستخدام نموذج GoogLeNet
محتوى المقالة الرئيسي
الملخص
تؤثر الصحة العامة لأشجار النخيل، بما في ذلك الجذور والسيقان والأوراق، بشكل كبير على إنتاج زيت النخيل، لذلك هناك حاجة إلى اهتمام دقيق لتحقيق العائد الأمثل. أحد التحديات التي تواجه استدامة المحاصيل الإنتاجية هو انتشار الآفات والأمراض التي تصيب نباتات نخيل الزيت. يمكن أن تؤثر هذه الأمراض بشكل ضار على النمو والتطور، مما يؤدي إلى انخفاض الإنتاجية. ترتبط إنتاجية نخيل الزيت ارتباطًا وثيقًا بظروف أوراقه، والتي تلعب دورًا حيويًا في عملية التمثيل الضوئي. . استخدم هذا البحث مجموعة بيانات شاملة مكونة من 1230 صورة، تتألف من 410 أوراقًا تظهر، و410 أخرى تصور الإصابة بدودة القز، و410 إضافية تظهر الإصابة باليرقات. علاوة على ذلك، كان الهدف الرئيسي هو صياغة نموذج تعلم عميق لتحديد الأمراض والآفات التي تصيب أوراق نخيل الزيت، باستخدام تقنيات تحليل الصور لتسهيل ممارسات إدارة الآفات. ولمعالجة المشكلة الأساسية قيد التحقيق، تم تطبيق نهج التعلم العميق GoogLeNet، جنبًا إلى جنب مع العديد من المعلمات الفائقة. تم تنفيذ تجارب التصنيف عبر 16 تجربة، كل منها محدد بإطار زمني حسابي مدته 10 دقائق، وامتدت المدة السائدة من 2 إلى 7 دقائق. أظهرت النتائج، المستمدة بشكل خاص من الأداء المتفوق في النموذج 4 (M4)، دقة التقييم، والدقة، والاستدعاء، ومعدلات نقاط F1 تبلغ 93.22%، و93.33%، و93.95%، و93.15%، على التوالي. وكانت هذه مرضية للغاية، مما يستدعي تطبيقها في شركات زيت النخيل لتعزيز إدارة هجمات الآفات والأمراض.
Received 08/02/2023
Revised 25/08/2023
Accepted 27/08/2023
تفاصيل المقالة
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
كيفية الاقتباس
المراجع
Nadilla F, Fitriani F, Ridwan R. Types of Disease in Palm Oil Plant (Elaeis guinensis Jacq.) and Techniques for Their Control at PT Perkebunan Nusantara I Kebun Baru Afdeling VI, Langsa City. J Biol Samudra. 2021; 3(2): 133–40. https://doi.org/10.33059/jbs.v2i1.2344
Ichsan M, Saputra W, Permatasari A. Oil Palm Smallholders on the edge: Why business partnerships need to be redefined. Oil Palm Smallholders on the edge: why business partnerships need to be redefined. Inf Brief. 2021; 1-12. https://sposindonesia.org/wp-content/uploads/2021/07/28.-eng-Oil-palm-smallholders-on-the-edge-Why-business-partnerships.pdf
Indriyadi W. Palm Oil Plantation in Indonesia: A Question of Sustainability. Salus Cultura: Jurnal Pembangunan Manusia dan Kebudayaan. 2022 Jun 30; 2(1): 1–10. https://doi.org/10.55480/saluscultura.v2i1.40
Yuliani A, Labellapansa A, Yulianti A. Klasifikasi Citra Daun Kelapa Sawit Yang Terkena Dampak Hama Menggunakan Metode K-Nearest Neighbor. In: Proceeding Seminar Nasional Informatika Medis. 2019; 1-6. https://journal.uii.ac.id/snimed/article/view/13857/pdf
Kurihara J, Koo V-C, Guey CW, Lee YP, Abidin H. Early Detection of Basal Stem Rot Disease in Oil Palm Tree Using Unmanned Aerial Vehicle-Based Hyperspectral Imaging. Remote Sens. 2022; 14(3): 799. https://doi.org/10.3390/rs14030799
Kamal MM, Masazhar ANI, Rahman FA. Classification of Leaf Disease from Image Processing Technique. Indones. J Electr Eng Comput Sci. 2018 Apr 1; 10(1): 191–200. http://doi.org/10.11591/ijeecs.v10.i1.pp191-200
Xu K, Qian J, Hu Z, Duan Z, Chen C, Liu J, et al. A New Machine Learning Approach in Detecting the Oil Palm Plantations Using Remote Sensing Data. Remote Sens. 2021; 13(2): 236. https://doi.org/10.3390/rs13020236
Saragih R, Jean Cross Sihombing D, Rahmi E. Sistem Pakar Diagnosa Penyakit Kelapa Sawit Menggunakan Metode Dempster Shafer Berbasis Web. J Inf Technol Account. 2018; I(1): 2614–4484. http://jita.amikimelda.ac.id
Satia GAW, Firmansyah E, Umami A. Perancangan sistem identifikasi penyakit pada daun kelapa sawit (Elaeis guineensis Jacq.) dengan algoritma deep learning convolutional neural networks. J Ilm pertanian. 2022 Mar 31; 19(1): 1–10. https://doi.org/10.31849/jip.v19i1.9556
Olajide OB, Olufemi Ayodeji O, Olatunji Coker O, Munu S, Yakubu Y. An Inference System for Classifying Oil Palm Fungal Diseases. Int j sci res manag. 2021 Nov 6; 9(11): 611–620. https://ijsrm.in/index.php/ijsrm/article/view/3469
Wiratmoko D, Prasetyo AE, Jatmiko RH, Yusuf MA, Rahutomo S. Identification of Ganoderma boninense Infection Levels on Oil Palm Using Vegetation Index. Int J Oil Palm. 2018 Sep. 23 1(3): 110-120. https://ijop.id/index.php/ijop/article/download/16/13
Marcelina D, Yulianti E, Mair RZ. Penerapan Metode Forward Chaining Pada Sistem Pakar Identifikasi Penyakit Tanaman Kelapa Sawit. J Ilm Inf Glob. 2022; 13(2): 1-9. http://dx.doi.org/10.36982/jiig.v13i2.2299
Rasywir E, Sinaga R, Pratama Y, Dinamika U, Jambi B. Analisis dan Implementasi Diagnosis Penyakit Sawit dengan Metode Convolutional Neural Network (CNN). J Inf dan Komp. 2020; 22(2): 117-123. http://ejournal.bsi.ac.id/ejurnal/index.php/paradigma/issue/archive/
Asrianda A, Aidilof HAK, Pangestu Y. Machine Learning for Detection of Palm Oil Leaf Disease Visually using Convolutional Neural Network Algorithm. J Inf Telecommun Eng. 2021 Jan 18; 4(2): 286–93.
Szegedy C, Liu W, Jia Y, Sermanet P, Reed S, Anguelov D, et al. Going Deeper with Convolutions. In Proceedings of the IEEE conference on Computer Vision and Pattern Recognition. arXiv:1409.4842. 2015; 1-9. https://doi.org/10.48550/arXiv.1409.4842
Patani A, Pardikar I, Doshi P, Rodge S, Khachane S. Plant Leaf Recognition and Disease Detection Using GoogLeNet. J emerg technol innov Res. 2021; 8(5): 1-8. https://www.jetir.org/papers/JETIR2105071.pdf
Pangaribuan R, Marheni M, Lubis L. The Attack Level of Cremastopsyche pendula Joannis Bagworm on Produce Palm Oil and Imature in Rambong Sialang Estate PTPP. London Sumatera Indonesia. J Agroekoteknologi. 2017; 5(4): 922–31. https://talenta.usu.ac.id/joa/article/view/2509/1895
Priwiratama H, Perdana Rozziansha TA, Susanto A, Prasetyo AE. Effect of Bagworm Pteroma pendula Joannis Attack on the Decrease in Oil Palm Productivity. J Hama penyakit tumbuh trop. 2019 Sep 18; 19(2): 101.
Anggraini S, Berutu AG. Intensity of Attack of Fire caterpillars (Setothosea asigna Van Eecke) ON PLANTS Producing Palm Oil (Tm) Communities In Biskang Village, Danau Paris District, Aceh Singkil Regency, Aceh. J Pertan Agros. 2022; 24(2): 295–300. https://e-journal.janabadra.ac.id/index.php/JA/article/download/1896/1275
Hafifah F, Rahman S, Asih S. Klasifikasi Jenis Kendaraan Pada Jalan Raya Menggunakan Metode Convolutional Neural Networks (CNN). J Terap Inform Nusant. 2021; 2(5): 292–301. https://ejurnal.seminar-id.com/index.php/tin
Muhathir, Rizal RA, Sihotang JS, Gultom R. Comparison of SURF and HOG extraction in classifying the blood image of malaria parasites using SVM. Int J Comput sci Inf Technol Res. IEEE. 2019; 1-6. https://doi.org/10.1109/ICoSNIKOM48755.2019.9111647
Muhathir, Al-Khowarizmi. Measuring the Accuracy of SVM with Varying Kernel Function for Classification of Indonesian Wayang on Images. International Conference on Decision Aid Sciences and Application (DASA). IEEE. 2020; 1190–1196. https://doi.org/10.1109/DASA51403.2020.9317197
Ula M, Muhathir M, Sahputra I. Optimization of Multilayer Perceptron Hyperparameter in Classifying Pneumonia Disease Through X-Ray Images with Speeded-Up Robust Features Extraction Method. Int J Adv Comput Sci Appl. 2022; 13(10): 1-8. https://thesai.org/Downloads/Volume13No10/Paper_25-Optimization_of_Multilayer_Perceptron_Hyperparameter.pdf
Hasan AM, Qasim AF, Jalab HA, Ibrahim RW. Breast Cancer MRI Classification Based on Fractional Entropy Image Enhancement and Deep Feature Extraction. Baghdad Sci J. 2022; 20(1): 221-234. https://dx.doi.org/10.21123/bsj.2022.6782
Abdullah TH, Alizadeh F, Abdullah BH. COVID-19 Diagnosis System using SimpNet Deep Model. Baghdad Sci J. 2022; 19(5):1078–89. https://doi.org/10.21123/bsj.2022.6074
Muhathir M, Farhan MDR, Syah RBY, Khairina N, Muliono R. Convolutional Neural Network (CNN) of Resnet-50 with Inceptionv3 Architecture in Classification on X-Ray Image. In: Radek S, Silhavy P, editors. Artificial Intelligence Application in Networks and Systems. Cham: Springer International Publishing; 2023. p. 208–21.
Melisah M, Muhathir M. A modification of the Distance Formula on the K-Nearest Neighbor Method is Examined in Order to Categorize Spices from Photo Using the Histogram of Oriented Gradient International Conference on Computer Science, Information Technology and Engineering (ICCoSITE). 2023; 23–8. https://doi.org/10.1109/ICCoSITE57641.2023.10127780
Safira I, Muhathir M. Analysis of Different Naïve Bayes Methods for Categorizing Spices Through Photo using the Speeded-up Robust Feature. International Conference on Computer Science, Information Technology and Engineering (ICCoSITE). 2023. p. 29–34. https://doi.org/10.1109/ICCoSITE57641.2023.10127787