<![CDATA[Petani Indonesia menghadapi tantangan besar yang disebabkan oleh hama, yang menyebabkan gagal panen, busuk batang, kerusakan daun, dan busuk buah. Mengembangkan model pendeteksian hama yang lightweight menjadi penting untuk membantu petani dalam peningkatan program pengendalian hama. Tujuan utama dari model ini adalah untuk mengklasifikasikan hama secara akurat dengan memanfaatkan kumpulan data berskala besar. Kumpulan data ini mencakup berbagai spesies dengan beragam skala, bentuk, latar belakang kompleks, dan tingkat kesamaan visual yang tinggi di antara spesies serangga. Penelitian ini menggunakan model klasifikasi lightweight berbasis Efficient Net. Model ini menggabungkan Spinal Net FC sebagai classifier dan mengadopsi Sharpness-Aware Minimization sebagai optimizer untuk meningkatkan kinerjanya. Model yang dikembangkan mencapai akurasi sebesar 68,2%. Selain itu, dengan mengimplementasikan metode yang diusulkan, performa model mengalami peningkatan yang signifikan, menghasilkan peningkatan akurasi tambahan sebesar 4%.]]>
Copyrights © 2024
