A Study on Medicinal Plant Leaf Recognition Using Artificial Intelligence

Ayumi, Vina; Ermatita, Ermatita; Abdiansah, Abdiansah; Noprisson, Handrie; Purba, Mariana; Utami, Marissa

doi:10.1109/icimcis53775.2021.9699363

Cited by 9 publications

(5 citation statements)

References 40 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Namun, media yang digunakan saat ini telah bergeser dari kertas ke bentuk digital [1], [2], [11], [3]- [10]. Sistem identifikasi karakter dalam bahasa tulisan tangan ini dapat digunakan untuk memverifikasi file atau membaca file dalam bentuk tulisan tangan dan hal-hal lain [12]- [17]. Dalam penelitian dalam ilmu komputer, identifikasi karakter yang lebih banyak diteliti dan dipelajari dalam jurnal dan prosiding internasional adalah aksara Latin.…”

Section: Pendahuluanunclassified

Model Sequential Resnet50 Untuk Pengenalan Tulisan Tangan Aksara Arab

Rahayu

Sandiwarno

Putra

et al. 2023

JSAI

View full text Add to dashboard Cite

Research for Arabic handwriting recognition is still limited. The number of public datasets regarding Arabic script is still limited for this type of public dataset. Therefore, each study usually uses its dataset to conduct research. However, recently public datasets have become available and become research opportunities to compare methods with the same dataset. This study aimed to determine the implementation of the transfer learning model with the best accuracy for handwriting recognition in Arabic script. The results of the experiment using ResNet50 are as follows: training accuracy is 91.63%, validation accuracy is 91.82%, and the testing accuracy is 95.03%.

show abstract

Section: Pendahuluanunclassified

Model Sequential Resnet50 Untuk Pengenalan Tulisan Tangan Aksara Arab

Rahayu

Sandiwarno

Putra

et al. 2023

JSAI

View full text Add to dashboard Cite

show abstract

“…Riset ini merupakan riset awal untuk pengembangan robot berbasis artifisial intelligent untuk dapat mengenai jenis-jenis bunga dengan baik. Untuk mengetahui model atau metode yang cocok untuk identifikasi bunga perlu adanya berbagai macam riset dengan menggunakan berbagai jenis dan jumlah dataset gambar bunga [1], [8]- [10], [13]- [16].…”

Section: Pendahuluanunclassified

Pengenalan Objek Bunga Berbasis Deep Learning Menggunakan Model Resnet50 dan MobileNet-v2

Ayumi¹

2022

JSAI

View full text Add to dashboard Cite

Seiring dengan perkembangan teknologi komputer, riset mengenai identifikasi bunga sudah mulai dilakukan. Riset ini merupakan riset awal untuk pengembangan robot berbasis artifisial intelligent untuk dapat mengenai jenis-jenis bunga dengan baik. Untuk mengetahui model atau metode yang cocok untuk identifikasi bunga perlu adanya berbagai macam riset dengan menggunakan berbagai jenis dan jumlah dataset gambar bunga. Penelitian ini akan melakukan pengenalan objek bunga berbasis deep learning menggunakan model Resnet50 dan MobileNet-v2. Dataset dalam eksperimen ini berisi 4242 data dengan gambar objek bunga yang yang terdiri dari lima kelas antara lain chamomile, tulip, rose, sunflower, dandelion. Hasil kinerja terbaik didapatkan oleh model ResNet50 dengan akurasi validasi sebesar 92.67%, sedangkan model MobileNetV2 mendapatkan akurasi validasi sebesar 91.35%.

show abstract

“…Pada image processing, metode klasifikasi juga sangat penting untuk kategorisasi jenis tanaman, baik menggunakan metode unsupervised maupun metode supervised learning. Pemilihan metode tergantung pada bentuk dan jenis sampel pelatihan [1], [12], [14]- [21].…”

Section: Pendahuluanunclassified

Perbandingan Model Transfer Learning Untuk Klasifikasi Citra Agricultural Crop

Ayumi¹

2022

JSAI

View full text Add to dashboard Cite

Klasifikasi tanaman telah diterapkan selama bertahun-tahun sebagai salah satu komponen utama pemantauan pertanian. Klasifikasi jenis tanaman merupakan teknik penting untuk menyediakan informasi tersebut. Berdasarkan latar belakang diatas, penelitian ini akan melakukan agricultural crop type classification from digital images. Dataset crop images terdiri dari 40 lebih gambar untuk setiap kelas yang ada yaitu kelas maize, wheat, jute, rice dan sugarcane. Dataset kemudian dilakukan augmentasi sehingga menghasilkan 159+ gambar untuk setiap kelas. Proses augmentasi dilakukan dengan proses horizontal flip, rotation, horizontal shift dan vertical shift. Data pengujian dipersiapkan dengan jumlah terdiri dari 51 gambar dengan masing-masing 10 gambar setiap kelasnya. Berdasarkan dari hasil eksperimen, hasil akurasi validasi terbesar didapatkan dengan implementasi metode VGG16 sebesar 96.52%, sedangkan VGG19 mendapatkan akurasi sebesar 94.03%, Resnet50 mendapatkan akurasi sebesar 41.79%, Inceptionv3 mendapatkan akurasi sebesar 94.53% dan EfficientNetB0 mendapatkan akurasi sebesar 20.40%.

show abstract

A Study on Medicinal Plant Leaf Recognition Using Artificial Intelligence

Cited by 9 publications

References 40 publications

Model Sequential Resnet50 Untuk Pengenalan Tulisan Tangan Aksara Arab

Model Sequential Resnet50 Untuk Pengenalan Tulisan Tangan Aksara Arab

Pengenalan Objek Bunga Berbasis Deep Learning Menggunakan Model Resnet50 dan MobileNet-v2

Perbandingan Model Transfer Learning Untuk Klasifikasi Citra Agricultural Crop

Contact Info

Product

Resources

About