Vasavi dkk. (2022) meninjau secara komprehensif mengenai deteksi dan klasifikasi penyakit daun tanaman menggunakan image processing, machine learning, dan deep learning. Mereka menganalisis berbagai metodologi seperti dataset, algoritma yang digunakan, model convolutional neural networks (CNN) yang digunakan, dan kinerja keseluruhan yang dicapai. Mereka juga menyarankan algoritma yang sesuai untuk digunakan dalam sistem standar, sistem mobile, sistem embedded, robot, dan unmanned aerial vehicles (UAV). Hasil yang didapatkan diantaranya rekomendasi pengembangan yang difokuskan untuk memperluas sistem deteksi penyakit daun tanaman secara otomatis dan real-time.
Lebih dalam terkait pengembangan ini, Apa saja aplikasinya di dunia nyata mengenai deteksi penyakit daun tanaman?
Sebelumnya telah dibahas bahwasannya algoritme machine learning dapat digunakan untuk menganalisis gambar daun tanaman dan mengidentifikasi keberadaan penyakit. Hal ini dapat membantu petani untuk mendeteksi penyakit secara dini untuk mencegah penyebaran penyakit, sehingga dapat meminimalisir kerugian panen. Beberapa aplikasi machine learning di dunia nyata untuk deteksi penyakit daun tanaman meliputi:
- Sistem deteksi penyakit otomatis: Pemanfaatan drone atau UAV untuk memantau tanaman dan mendeteksi penyakit secara otomatis dan real-time.
- Pertanian berteknologi canggih: Pengembangan sistem pertanian secara presisi dapat memantau tanaman dan mendeteksi penyakit secara dini. Hal ini dapat membantu petani untuk mengambil tindakan yang tepat untuk mencegah penyebaran penyakit dan meminimalisir kerugian panen.
- Diagnosis penyakit: Algoritma machine learning dapat digunakan untuk mendiagnosis penyakit daun tanaman berdasarkan gejala visual. Hal ini dapat membantu petani untuk mengidentifikasi penyakit dan mencari Solusi yang tepat untuk menangani hal tersebut.
- Prediksi hasil panen: Dengan terpantaunya perkembangan tanaman, hal tersebut dapat membantu petani untuk merencanakan panen dan mengoptimalkan hasil panen.
Secara keseluruhan, algoritma machine learning memiliki potensi untuk merevolusi deteksi penyakit daun tanaman dan membantu petani untuk meningkatkan hasil pertanian secara berkelanjutan.
A Quick and precise crop leaf disease detection is important to increasing agricultural yield in a sustainable manner. We present a comprehensive overview of recent research in the field of crop leaf disease prediction using image processing (IP), machine learning (ML) and deep learning (DL) techniques in this paper. Using these techniques, crop leaf disease prediction made it possible to get notable accuracies. This article presents a survey of research papers that presented the various methodologies, analyzes them in terms of the dataset, number of images, number of classes, algorithms used, convolutional neural networks (CNN) models employed, and overall performance achieved. Then, suggestions are prepared on the most appropriate algorithms to deploy in standard, mobile/embedded systems, Drones, Robots and unmanned aerial vehicles (UAV). We discussed the performance measures used and listed some of the limitations and future works that requires to be focus on, to extend real time automated crop leaf disease detection system.
Crop leaf disease detection and classification using machine learning and deep learning algorithms by visual symptoms: a review
Pallepati Vasavi, Arumugam Punitha, T. Venkat Narayana Rao
Redaksi: I. Busthomi