利用人工神经网络对药用植物(枸杞)进行图像分类

Rizky Prabowo, Yunda Heningtyas, Machudor Yusman, Muhammad Iqbal, Ossy Dwi Endah Wulansari
{"title":"利用人工神经网络对药用植物(枸杞)进行图像分类","authors":"Rizky Prabowo, Yunda Heningtyas, Machudor Yusman, Muhammad Iqbal, Ossy Dwi Endah Wulansari","doi":"10.23960/komputasi.v9i2.2868","DOIUrl":null,"url":null,"abstract":"ndonesia sebagai salah satu negara tropis memiliki potensi hayati yang sangat besar. Salah satu potensi yang banyak dimiliki di Indonesia adalah tumbuhan obat. Salah satu cara mengenali jenis tumbuhan obat yaitu melalui bentuk fisik daun. Implementasi teknologi yang saat ini banyak berkembang, maka masyarakat akan banyak terbantu dalam mengenali tumbuhan obat disekitarnya. Gambar atau citra daun tanaman obat digunakan sebagai data yang mewakili jenis tumbuhan obat tertentu. Data yang digunakan merupakan data yang telah diberikan perlakuan khusus dalam pengambilan gambar atau citra. Praprosesing dilakukan pada data yang didapat sebagai langkah awal pemrosesan data. Pada penelitian ini, data yang digunakan merupakan data primer dengan total 2000 data. Data yang digunakan dibagi menjadi 1800 data latih, 160 data validasi dan 200 data testing. Data training digunakan untuk membentuk pola model. Model selanjutnya di validasi dengan menggunakan data validasi. Model dibangun menggunakan Convulution Neural Network yang merupakan varian dari Artificial Neural Network. Hasil akurasi penelitian 82.5% dengan kecepatan pembangunan model dengan 10 epoch adalah 139 second per epoch.","PeriodicalId":292117,"journal":{"name":"Jurnal Komputasi","volume":"65 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-10-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":"{\"title\":\"Klasifikasi Image Tumbuhan Obat (Keji Beling) Menggunakan Artificial Neural Network\",\"authors\":\"Rizky Prabowo, Yunda Heningtyas, Machudor Yusman, Muhammad Iqbal, Ossy Dwi Endah Wulansari\",\"doi\":\"10.23960/komputasi.v9i2.2868\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"ndonesia sebagai salah satu negara tropis memiliki potensi hayati yang sangat besar. Salah satu potensi yang banyak dimiliki di Indonesia adalah tumbuhan obat. Salah satu cara mengenali jenis tumbuhan obat yaitu melalui bentuk fisik daun. Implementasi teknologi yang saat ini banyak berkembang, maka masyarakat akan banyak terbantu dalam mengenali tumbuhan obat disekitarnya. Gambar atau citra daun tanaman obat digunakan sebagai data yang mewakili jenis tumbuhan obat tertentu. Data yang digunakan merupakan data yang telah diberikan perlakuan khusus dalam pengambilan gambar atau citra. Praprosesing dilakukan pada data yang didapat sebagai langkah awal pemrosesan data. Pada penelitian ini, data yang digunakan merupakan data primer dengan total 2000 data. Data yang digunakan dibagi menjadi 1800 data latih, 160 data validasi dan 200 data testing. Data training digunakan untuk membentuk pola model. Model selanjutnya di validasi dengan menggunakan data validasi. Model dibangun menggunakan Convulution Neural Network yang merupakan varian dari Artificial Neural Network. Hasil akurasi penelitian 82.5% dengan kecepatan pembangunan model dengan 10 epoch adalah 139 second per epoch.\",\"PeriodicalId\":292117,\"journal\":{\"name\":\"Jurnal Komputasi\",\"volume\":\"65 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2021-10-30\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"1\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Jurnal Komputasi\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.23960/komputasi.v9i2.2868\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Komputasi","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.23960/komputasi.v9i2.2868","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 1

摘要

作为一个热带国家,ndonesia拥有巨大的生物潜力。在印度尼西亚有很大的潜力之一是药用植物。一种识别药用植物的方法是通过叶子的物理形式。目前正在实现的技术将有助于确定其周围的药用植物。药用植物叶的图片或图像被用作代表特定种类的药用植物的数据。所使用的数据是在拍摄或图像时对其进行特殊处理的数据。根据数据处理的第一步获取的数据进行预验。在本研究中,使用的数据是总数据2000。使用的数据分为1800个培训数据、160个验证数据和200个测试数据。训练数据被用来形成模式模型。下一个模型使用验证数据验证。由神经连接网络构建的模型是人工神经网络的变体。研究结果为82.5%,模型建设速度为10 epoch,计算结果为每epoch 139秒。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Klasifikasi Image Tumbuhan Obat (Keji Beling) Menggunakan Artificial Neural Network
ndonesia sebagai salah satu negara tropis memiliki potensi hayati yang sangat besar. Salah satu potensi yang banyak dimiliki di Indonesia adalah tumbuhan obat. Salah satu cara mengenali jenis tumbuhan obat yaitu melalui bentuk fisik daun. Implementasi teknologi yang saat ini banyak berkembang, maka masyarakat akan banyak terbantu dalam mengenali tumbuhan obat disekitarnya. Gambar atau citra daun tanaman obat digunakan sebagai data yang mewakili jenis tumbuhan obat tertentu. Data yang digunakan merupakan data yang telah diberikan perlakuan khusus dalam pengambilan gambar atau citra. Praprosesing dilakukan pada data yang didapat sebagai langkah awal pemrosesan data. Pada penelitian ini, data yang digunakan merupakan data primer dengan total 2000 data. Data yang digunakan dibagi menjadi 1800 data latih, 160 data validasi dan 200 data testing. Data training digunakan untuk membentuk pola model. Model selanjutnya di validasi dengan menggunakan data validasi. Model dibangun menggunakan Convulution Neural Network yang merupakan varian dari Artificial Neural Network. Hasil akurasi penelitian 82.5% dengan kecepatan pembangunan model dengan 10 epoch adalah 139 second per epoch.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信