Sistem Deteksi Kernel Jagung Berbasis Komputasi Citra Menggunakan Algoritma YOLOv5
PT WIDJI NUSANTARA MAKMUR
START
Dosen pembimbing
Ir. Hurriyatul Fitriyah, S.T., M.Sc.
TEAM
Ardi Bima Putrantama
Dhiyaa Ageng Maharani
Brian Aditya Dharmatirta
205150307111004
205150301111003
205150301111010
TOPIK PEMBAHASAN
METODOLOGIPENELITIAN
LANDASAN KEPUSTAKAAN
PENDAHULUAN
PERANCANGAN & IMPLEMENTASI
PENGUJIANDAN HASIL
PENUTUP
1.
Pendahuluan
The reason we built the system
Data Produksi Jagung
Data untuk Produksi Jagung
Peningkatan Stabil Setiap Tahun
+ INFO
Pemilahan kernel jagung dilakukan secara manual oleh tenaga kerja dengan memilah permukaan kernel yang layak dan tidak layak
Wagiman, 2019
Object Detection by Machine
Rumusan Masalah
Batasan Masalah
Masalah yang didapatkan dari topik yang dibahas
Ruang lingkup yang dibatasi untuk topik yang dibahas
+ INFO
+ INFO
2.
Landasan Kepustakaan
Journals and Papers of Interest.
Li, et al. ( 2019 ) Corn Classification System Based on Computer Vision
Zhao, et al. ( 2022 )Automated seed identification with computer vision: challenges and opportunities
Valesaca, et al. ( 2020 )Deep learning based corn kernel classification
3.
Metodologi Penelitian
Research Methods.
Perangkat Keras
Perangkat Lunak
4.
Perancangan & Implementasi
System Design and Implementation.
Perancangan Sistem Utama
How will the system work.
Webcam
Laptop
Detection
Input
Process
Output
Perancangan Perangkat Keras
Webcam, Tripod, Green Background
+ INFO
Perancangan Model Training
Pengaturan awal untuk proses training pada dataset.
Perancangan Sistem Deteksi
Implementasi Perangkat Keras
Implementasi Model Pelatihan
Implementasi Sistem Deteksi
5.
Pengujian
System Testing.
Persyaratan Uji Coba
10 kali percobaan. 15 - 20 kernel per percobaan. Disusun dengan posisi grid. 170 Total Kernel.
Hasil Uji Coba
It Works!
Data Prediksi 170 Kernel
Hasil prediksi sistem terhadap kernel pengujian
0,9315
Precision Value
68
0,9444
Predicted
Recall Value
93
Ground Truth
Akurasi yang didapat sebesar 0,9379 atau 94%
Hasil Pengujian Akhir
6.
Penutup
Conclusion statement.
Kesimpulan
Saran
+ INFO
+ INFO
Thank you!
Terimakasih sudah mendengar presentasi kami!
PPT SEMHAS
Brian Aditya Dharmatirta
Created on March 23, 2023
Start designing with a free template
Discover more than 1500 professional designs like these:
View
Memories Presentation
View
Pechakucha Presentation
View
Decades Presentation
View
Color and Shapes Presentation
View
Historical Presentation
View
To the Moon Presentation
View
Projection Presentation
Explore all templates
Transcript
Sistem Deteksi Kernel Jagung Berbasis Komputasi Citra Menggunakan Algoritma YOLOv5
PT WIDJI NUSANTARA MAKMUR
START
Dosen pembimbing
Ir. Hurriyatul Fitriyah, S.T., M.Sc.
TEAM
Ardi Bima Putrantama
Dhiyaa Ageng Maharani
Brian Aditya Dharmatirta
205150307111004
205150301111003
205150301111010
TOPIK PEMBAHASAN
METODOLOGIPENELITIAN
LANDASAN KEPUSTAKAAN
PENDAHULUAN
PERANCANGAN & IMPLEMENTASI
PENGUJIANDAN HASIL
PENUTUP
1.
Pendahuluan
The reason we built the system
Data Produksi Jagung
Data untuk Produksi Jagung
Peningkatan Stabil Setiap Tahun
+ INFO
Pemilahan kernel jagung dilakukan secara manual oleh tenaga kerja dengan memilah permukaan kernel yang layak dan tidak layak
Wagiman, 2019
Object Detection by Machine
Rumusan Masalah
Batasan Masalah
Masalah yang didapatkan dari topik yang dibahas
Ruang lingkup yang dibatasi untuk topik yang dibahas
+ INFO
+ INFO
2.
Landasan Kepustakaan
Journals and Papers of Interest.
Li, et al. ( 2019 ) Corn Classification System Based on Computer Vision
Zhao, et al. ( 2022 )Automated seed identification with computer vision: challenges and opportunities
Valesaca, et al. ( 2020 )Deep learning based corn kernel classification
3.
Metodologi Penelitian
Research Methods.
Perangkat Keras
Perangkat Lunak
4.
Perancangan & Implementasi
System Design and Implementation.
Perancangan Sistem Utama
How will the system work.
Webcam
Laptop
Detection
Input
Process
Output
Perancangan Perangkat Keras
Webcam, Tripod, Green Background
+ INFO
Perancangan Model Training
Pengaturan awal untuk proses training pada dataset.
Perancangan Sistem Deteksi
Implementasi Perangkat Keras
Implementasi Model Pelatihan
Implementasi Sistem Deteksi
5.
Pengujian
System Testing.
Persyaratan Uji Coba
10 kali percobaan. 15 - 20 kernel per percobaan. Disusun dengan posisi grid. 170 Total Kernel.
Hasil Uji Coba
It Works!
Data Prediksi 170 Kernel
Hasil prediksi sistem terhadap kernel pengujian
0,9315
Precision Value
68
0,9444
Predicted
Recall Value
93
Ground Truth
Akurasi yang didapat sebesar 0,9379 atau 94%
Hasil Pengujian Akhir
6.
Penutup
Conclusion statement.
Kesimpulan
Saran
+ INFO
+ INFO
Thank you!
Terimakasih sudah mendengar presentasi kami!