Deteksi Gulma Berdasarkan Warna HSV dan Fitur Bentuk Menggunakan Jaringan Syaraf Tiruan

Abstract

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).