https://github.com/sionpardosi/cornleaf-disease-identification-using-machine-learning

Identification of corn leaf diseases using machine learning technology CNN & Model Transfer Learning DenseNet121 - Identifikasi jenis Penyakit Tanaman pada Daun Jagung Menggunakan Teknologi Machine Learning
https://github.com/sionpardosi/cornleaf-disease-identification-using-machine-learning

cnn cornleafdiseases desnet jupyter machine-learning transfer-learning

Last synced: about 1 year ago
JSON representation

Identification of corn leaf diseases using machine learning technology CNN & Model Transfer Learning DenseNet121 - Identifikasi jenis Penyakit Tanaman pada Daun Jagung Menggunakan Teknologi Machine Learning

• Host: GitHub
• URL: https://github.com/sionpardosi/cornleaf-disease-identification-using-machine-learning
• Owner: sionpardosi
• Created: 2024-10-24T02:54:33.000Z (over 1 year ago)
• Default Branch: main
• Last Pushed: 2025-02-17T13:51:42.000Z (over 1 year ago)
• Last Synced: 2025-03-27T01:11:09.864Z (over 1 year ago)
• Topics: cnn, cornleafdiseases, desnet, jupyter, machine-learning, transfer-learning
• Language: Jupyter Notebook
• Homepage: https://corn-leaf-disease-detector.vercel.app
• Size: 217 MB
• Stars: 33
• Watchers: 1
• Forks: 2
• Open Issues: 3
• Metadata Files:
  • Readme: README.md
  • Changelog: history.json
  • Contributing: CONTRIBUTING.md
  • Funding: .github/FUNDING.yml

Awesome Lists containing this project

README

          
# Identifikasi Jenis Penyakit Tanaman pada Daun Jagung Menggunakan Teknologi Machine Learning - On Progress

*Identification of corn leaf diseases using machine learning technology* - On Progress.

Proyek ini bertujuan untuk mengembangkan sistem deteksi penyakit tanaman jagung melalui **citra daun** menggunakan **Convolutional Neural Network (CNN)** dan **Support Vector Machine (SVM)**. Dengan pendekatan ini, petani dapat mendeteksi penyakit daun jagung secara otomatis dan cepat, yang akan meningkatkan efisiensi serta akurasi dalam diagnosis penyakit daun jagung di lapangan.

### Deskripsi Proyek

Penelitian ini bertujuan untuk:

1. Mengembangkan metode deteksi penyakit tanaman jagung melalui citra daun.

2. Menguji dan membandingkan akurasi model **CNN** dan **SVM**.

3. Mengimplementasikan model dengan akurasi tertinggi pada sistem deteksi penyakit berbasis citra.

Sistem ini dibangun menggunakan microframework **Flask** dengan bahasa pemrograman **Python** untuk memungkinkan integrasi dan pengujian model deteksi penyakit secara fleksibel.

### Pengumpulan Data

Dataset pada penelitian ini diperoleh melalui survei langsung dan observasi di ladang jagung masyarakat, menghasilkan:

- **500 gambar** dan **10 video** daun jagung.

- Data tersebut diklasifikasikan ke dalam 4 kelas: **Hawar**, **bercak daun**, **Karat**, dan **Sehat**.

  

### **Bukti Observasi Langsung**

![Bukti Observasi](https://github.com/sionpardosi/CornLeaf-Disease-Identification-Using-Machine-Learning/blob/main/Requirement/observasi%20-%20Copy.jpg)

### Fitur Utama

- **Deteksi Penyakit Daun Jagung**: Mengidentifikasi penyakit seperti _Bercak Daun_ (Leaf Spot), _Karat Jagung_ (Rust), dan _Hawar Daun_ (Blight).

- **Pemrosesan Citra**: Augmentasi gambar untuk memperkaya dataset dan menghindari overfitting, termasuk proses **rescale**, **rotate**, **zoom**, dan **flip**.

- **Model Machine Learning**: Algoritma **CNN** dan **SVM** diterapkan untuk klasifikasi gambar.

- **Evaluasi Model**: Pengukuran akurasi menggunakan **precision**, **recall**, **F1-score**, dan **confusion matrix** untuk hasil yang optimal.

### Teknologi yang Digunakan

- **Confusion matrix** digunakan untuk mengukur akurasi model, dan pengujian dilakukan menggunakan **Jupyter Notebook** / **Google Colab** dan **Visual Studio Code** sebagai teks editor utama.

- **Python**: Bahasa pemrograman utama untuk pengembangan model.

- **TensorFlow**: Framework untuk membangun model CNN.

- **OpenCV**: Digunakan untuk pemrosesan citra dan augmentasi gambar.

- **Matplotlib**: Untuk visualisasi hasil dan evaluasi model.

---

### Hasil (Coming Soon)

- **Preprocessing**: Tahapan ini mengolah citra untuk mempermudah algoritma CNN dan SVM dalam proses training, dengan menggunakan augmentasi data seperti rescale, rotate, zoom, dan flip.

- **Pelatihan**: Data latih digunakan untuk mengajari model mengenali ciri-ciri dari setiap jenis penyakit melalui proses iteratif.

- **Pengujian**: Model yang telah dilatih diuji dengan dataset uji untuk mengukur akurasi dan performanya dalam mendeteksi penyakit.

- **Evaluasi** -> Coming Soon

  

---

Dengan adanya sistem ini, diharapkan proses diagnosis penyakit tanaman jagung dapat dilakukan lebih cepat dan efisien.