DETEKSI GENUS GULMA PADA LAHAN TANAMAN JAGUNG MENGGUNAKAN ALGORITMA DEEP LEARNING MASK R CNN

Deep learning sudah memiliki kapabilitas untuk mempelajari gambar agar
dapat digunakan dalam mendeteksi objek dengan instance segmentation.
Untuk mengembangkan performa atau kinerja manusia dalam mengatasi
gulma pada tanaman. Mask Region Convolution Neural Network (Mask�RCNN) diperkenalkan oleh kaiming he(He et al., 2020). dengan
menggunakan Resnet101 sebagai backbone CNN, yang kemudian
ditambah dengan Feature Pyramid Network (FPN) arsitektur untuk
mengekstraksi gambar. Region Proposal Network (RPN) yang berguna
untuk membuat region proposal dari setiap feature map. Setelah
mendapatkan Mask dari gambar gulma dari Mask R-CNN, gambar akan
terlihat menggunakan mask/topeng dengan nama kelas dari objek tersebut.
Model deteksi gulma di training menggunakan 800 gambar. Dan data
validasi menggunakan 200 gambar. Hasil rata rata akurasi pada semua
kelas sebesar 20.718%. dibandingkan dengan cara tradisional, mask rcnn
lebih cocok untuk mendeteksi gulma dikarenakan dapat mendeteksi gulma
yang saling tumpang tindih sehingga tidak terjadi kesalahan deteksi.
Kata Kunci: deep leaning, instance segmentation, Gulma, Mask R-CNN.