Deteksi Gulma Berdasarkan Warna HSV dan Fitur Bentuk Menggunakan Jaringan Syaraf Tiruan
DOI:
https://doi.org/10.25126/jtiik.2021854719Abstrak
Gulma merupakan tanaman pengganggu dalam lahan pertanian. Herbisida merupakan obat yang efektif membunuh gulma tersebut. Penyemprotan herbisida harus tepat sasaran kepada gulma saja dan tidak mengenai tanaman. Penelitian ini membuat sistem yang dapat mendeteksi gulma secara otomatis di antara tanaman pada lahan pertanian riil. Sistem ini menggunakan gambar lahan pertanian riil dimana tanaman tampak utuh (daun dapat lebih dari satu) yang diambil menggunakan kamera dengan posisi vertikal menghadap ke bawah. Algoritma yang dibuat menggunakan segmentasi berdasarkan warna hijau dalam ruang warna HSV untuk mendeteksi daun, baik gulma maupun tanaman pada beragam pencahayaan. Sebanyak tiga fitur bentuk domain spasial digunakan untuk membedakan gulma dengan tanaman yang memiliki karakteristik bentuk daun yang berbeda. Fitur bentuk yang digunakan adalah Rectangularity, Edge-to-Center distances function, dan Distance Transform function. Klasifikasi gulma dan tanaman menggunakan metode Jaringan syaraf tiruan (JST) yang dapat dilatih secara offline. Dari 149 tanaman yang terdeteksi dimana 70% sebagai data training, 15% data validasi dan 15% data uji, didapati akurasi pengujian sebesar 95.46%.
Abstract
Weed is a major challenge in a crop plantation. A herbicide is the most effective substance to kill this unwanted vegetation. Spraying the herbicide must be done carefully to target the weeds only. Here in this research, we develop an algorithm that detects weeds among the plants based on the shape of their leaves. The detection is based on images that were acquired using a camera. The leaves of weeds and plants were detected based on their green color using segmentation in HSV color-space as it is more effective to detect objects in various illumination. Three shape features were extracted, which are Rectangularity that is based on Rectangularity, Edge-to-Center distance function, and Distance Transform function. Those features were fed into a learning algorithm, Artificial Neural Network (ANN), to classify whether it is the plant or the weed. The testing on the weed classification in a real outdoor environment showed 95.46% accuracy using a total of 149 detected plants (70% as training data, 15% as validation data, and 15% as testing data).
Downloads
Referensi
APRIADI, W., SEMBODO, D. R., & SUSANTO, H. (2013). Efikasi Herbisida 2,4-D Terhadap Gulma pada Budidaya Tanaman Padi Sawah (Oruza Sativa). Jurnal Agrotek Tropika, 1(3), p.269-276. DOI: http :// dx.doi.org/ 10.23960/jat.v1i3.2040
BARUS, E. (2003). Pengendalian Gulma di Perkebunan, Efektivitas dan Efisiensi Aplikasi Herbisida. Kanisius.
BAWDEN, O., KULK, J., RUSSELL, R., MCCOOL, C., ENGLISH, A., DAYOUB, F., & PEREZ, T. (2017). Robot for weed species plant-specific management. Journal of Field Robotics, 34(6), p.1179–1199. DOI: https://doi.org/10.1002/rob.21727
BEGHIN T., COPE J.S., REMAGNINO P., BARMAN S. (2010). Shape and Texture Based Plant Leaf Classification. Advanced Concepts for Intelligent Vision Systems. ACIVS 2010. Lecture Notes in Computer Science, vol 6475. Springer, Berlin, Heidelberg. DOI: https://doi.org/DOI: 10.1007/978-3-642-17691-3_32
FITRIYAH, H., SETIABUDI A., (2019). Outlier Detection in Object Counting based on Hue and Distance Transform using Median Absolute Deviation (MAD). Prosiding International Conference on Sustainable Information Engineering and Technology (SIET). DOI: https://doi.org/ DOI: 10.1109/SIET48054.2019.8985993
KADIR, M. (2007). Efektifitas Berbagai Dosis dan waktu Aplikasi Herbisida 2,4 Dimetilamina Terhadap Gulma Echinocola Colonum, Echinocloa Crusgali dan Cyperus Iria pada Padi Sawah. Jurnal Agrisistem, 3(1), p.53-49.
KADIR, A., NUGROHO, L.E., SUSANTO, A., SANTOSA, P.I. (2011). Leaf Classification Using Shape, Color, and Texture Features. International Journal of Computer Trends and Technology, 1(3), P.225-235
MANGOENSOEKARJO, S., & SOEJONO, A. (2019). Ilmu Gulma dan Pengelolaan Pada Budi Daya Perkebunan. UGM Press.
MINGQIANG, Y., KIDIYO, K. JOSEPH, R. (2008). A Survey of Shape Feature Extraction Techniques, Pattern Recognition Techniques, Technology and Applications. Peng-Yeng Yin, IntechOpen. DOI: https://doi.org/ 10.5772/6237
MOENANDIR, J. (2010). Ilmu Gulma. UB Press.
PURNAMASARI, C., TYASMORO, S. Y., & SUMARNI, T. (2017). Pengaruh Teknik Pengendalian Gulma pada Tanaman Padi (Oryza Sativa L.). Jurnal Produksi Tanaman, 5(5), p.870-879.
SARVINI, T., SNEHA, T., SUKANYA, G. G., SUSMITHA, S., & KUMARASWAMY, R. (2019). Performance Comparison of Weed Detection Algorithms. International Conference on Communication and Signal Processing. India. DOI: https://doi.org/10.1109/iccsp.2019.8698094
SLAUGHTER, D., GILES, D., & DOWNEY, D. (2007). Autonomous robotic weed control systems: A review. Computers and Electronics in Agriculture, 61(1), p.63-78. DOI: https:// doi.org/ 10.1016/ j.compag.2007.05.008
SMITH, A.R., 1978. Color gamut transform pairs. Prosiding the 5th annual conference on Computer graphics and interactive techniques. Association for Computing Machinery, p.12-19. DOI: https://doi.org/10.1145/800248.807361
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Artikel ini berlisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
Penulis yang menerbitkan di jurnal ini menyetujui ketentuan berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).
