TPHerbleaf:基于 Lontar Usada Taru Pramana 的草本植物叶片类型分类数据集

N. Putu, Dita Ariani, S. Dewi, Made Windu, Antara Kesiman, I. Made, Gede Sunarya, Gusti Ayu, Agung Diatri Indradewi, I. G. Andika
{"title":"TPHerbleaf:基于 Lontar Usada Taru Pramana 的草本植物叶片类型分类数据集","authors":"N. Putu, Dita Ariani, S. Dewi, Made Windu, Antara Kesiman, I. Made, Gede Sunarya, Gusti Ayu, Agung Diatri Indradewi, I. G. Andika","doi":"10.31598/jurnalresistor.v6i2.1421","DOIUrl":null,"url":null,"abstract":"Tumbuhan herbal ialah jenis tumbuhan yang dimanfaatkan dalam bidang kesehatan. Tumbuhan herbal umumnya dikenali dari daunnya karena daun mudah dibandingkan dengan bagian tumbuhan lainnya seperti bunga, buah, atau akarnya. Minimnya pengetahuan mengenai jenis tumbuhan herbal dan kemiripan jenis morfologi daun merupakan tantangan yang ditemui dalam pengenalan tumbuhan herbal, sehingga sulit untuk mengenali tumbuhan herbal terutama bagi orang yang tidak memiliki pengetahuan botani. Penelitian ini bertujuan untuk membuat dataset citra daun tumbuhan herbal bernama TPHerbleaf. Dataset ini akan digunakan untuk mengenali dan mengklasifikasikan jenis daun tumbuhan herbal berpedoman pada Lontar Usada Taru Pramana yang merupakan kearifan lokal masyarakat Bali dalam pengobatan tradisional dan telah dikaji secara ilmiah. Metode untuk klasifikasi tumbuhan herbal menggunakan EfficientNet B2 yang menghasilkan nilai akurasi 97,5% untuk training, 81,77% untuk validation, dan 83,49% untuk testing. Dengan menggabungkan pengetahuan tradisional dengan teknologi modern, penelitian ini diharapkan dapat memberikan kontribusi dalam meningkatkan pemahaman serta pelestarian warisan budaya melalui aplikasi praktis dalam bidang klasifikasi citra.","PeriodicalId":164171,"journal":{"name":"Jurnal RESISTOR (Rekayasa Sistem Komputer)","volume":"89 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-08-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"TPHerbleaf : Dataset Untuk Klasifikasi Jenis Daun Tumbuhan Herbal Berdasarkan Lontar Usada Taru Pramana\",\"authors\":\"N. Putu, Dita Ariani, S. Dewi, Made Windu, Antara Kesiman, I. Made, Gede Sunarya, Gusti Ayu, Agung Diatri Indradewi, I. G. Andika\",\"doi\":\"10.31598/jurnalresistor.v6i2.1421\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Tumbuhan herbal ialah jenis tumbuhan yang dimanfaatkan dalam bidang kesehatan. Tumbuhan herbal umumnya dikenali dari daunnya karena daun mudah dibandingkan dengan bagian tumbuhan lainnya seperti bunga, buah, atau akarnya. Minimnya pengetahuan mengenai jenis tumbuhan herbal dan kemiripan jenis morfologi daun merupakan tantangan yang ditemui dalam pengenalan tumbuhan herbal, sehingga sulit untuk mengenali tumbuhan herbal terutama bagi orang yang tidak memiliki pengetahuan botani. Penelitian ini bertujuan untuk membuat dataset citra daun tumbuhan herbal bernama TPHerbleaf. Dataset ini akan digunakan untuk mengenali dan mengklasifikasikan jenis daun tumbuhan herbal berpedoman pada Lontar Usada Taru Pramana yang merupakan kearifan lokal masyarakat Bali dalam pengobatan tradisional dan telah dikaji secara ilmiah. Metode untuk klasifikasi tumbuhan herbal menggunakan EfficientNet B2 yang menghasilkan nilai akurasi 97,5% untuk training, 81,77% untuk validation, dan 83,49% untuk testing. Dengan menggabungkan pengetahuan tradisional dengan teknologi modern, penelitian ini diharapkan dapat memberikan kontribusi dalam meningkatkan pemahaman serta pelestarian warisan budaya melalui aplikasi praktis dalam bidang klasifikasi citra.\",\"PeriodicalId\":164171,\"journal\":{\"name\":\"Jurnal RESISTOR (Rekayasa Sistem Komputer)\",\"volume\":\"89 1\",\"pages\":\"\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2023-08-31\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Jurnal RESISTOR (Rekayasa Sistem Komputer)\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.31598/jurnalresistor.v6i2.1421\",\"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 RESISTOR (Rekayasa Sistem Komputer)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.31598/jurnalresistor.v6i2.1421","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

草本植物是一种用于保健领域的植物。草本植物一般通过叶子来识别,因为叶子很容易与植物的其他部分(如花、果实或根)进行比较。草本植物物种知识的缺乏和叶片形态类型的相似性是草本植物识别中遇到的挑战,这使得草本植物的识别变得困难,尤其是对于没有植物学知识的人来说。本研究旨在创建一个名为 TPHerbleaf 的草本植物叶片图像数据集。该数据集将用于识别和分类草本植物叶片的类型,其依据是巴厘岛当地人在传统医学方面的智慧结晶 Lontar Usada Taru Pramana,该智慧结晶已经过科学研究。草药分类方法采用 EfficientNet B2,其训练准确率为 97.5%,验证准确率为 81.77%,测试准确率为 83.49%。通过将传统知识与现代技术相结合,这项研究有望通过在图像分类领域的实际应用,为提高人们对文化遗产的理解和保护做出贡献。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
TPHerbleaf : Dataset Untuk Klasifikasi Jenis Daun Tumbuhan Herbal Berdasarkan Lontar Usada Taru Pramana
Tumbuhan herbal ialah jenis tumbuhan yang dimanfaatkan dalam bidang kesehatan. Tumbuhan herbal umumnya dikenali dari daunnya karena daun mudah dibandingkan dengan bagian tumbuhan lainnya seperti bunga, buah, atau akarnya. Minimnya pengetahuan mengenai jenis tumbuhan herbal dan kemiripan jenis morfologi daun merupakan tantangan yang ditemui dalam pengenalan tumbuhan herbal, sehingga sulit untuk mengenali tumbuhan herbal terutama bagi orang yang tidak memiliki pengetahuan botani. Penelitian ini bertujuan untuk membuat dataset citra daun tumbuhan herbal bernama TPHerbleaf. Dataset ini akan digunakan untuk mengenali dan mengklasifikasikan jenis daun tumbuhan herbal berpedoman pada Lontar Usada Taru Pramana yang merupakan kearifan lokal masyarakat Bali dalam pengobatan tradisional dan telah dikaji secara ilmiah. Metode untuk klasifikasi tumbuhan herbal menggunakan EfficientNet B2 yang menghasilkan nilai akurasi 97,5% untuk training, 81,77% untuk validation, dan 83,49% untuk testing. Dengan menggabungkan pengetahuan tradisional dengan teknologi modern, penelitian ini diharapkan dapat memberikan kontribusi dalam meningkatkan pemahaman serta pelestarian warisan budaya melalui aplikasi praktis dalam bidang klasifikasi citra.
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:481959085
Book学术官方微信