Deteksi dan Klasifikasi Penyakit Buah Mangga Berbasis YOLOV8 Dan Efficientnet

Abstract

Mangga (Mangifera indica) adalah buah tropis yang sangat berharga yang dibudidayakan secara luas di banyak negara, termasuk India, produsen terbesar kedua di dunia. Pemilahan mangga secara manual untuk deteksi penyakit memakan waktu, padat karya, dan rentan terhadap ketidakkonsistenan. Untuk mengatasi tantangan ini, penelitian ini mengusulkan solusi otomatis menggunakan teknologi pembelajaran mendalam dan visi komputer, khususnya YOLOv8 dan EfficientNet, untuk mendeteksi dan mengklasifikasikan penyakit buah mangga. Penelitian ini berfokus pada lima kelas: Alternaria, Antraknosa, Busuk Jamur Hitam, Busuk Ujung Batang, dan Sehat. Model YOLOv8 dimodifikasi dengan mengintegrasikan EfficientNet-B2 sebagai tulang punggungnya untuk meningkatkan efisiensi ekstraksi fitur. Kumpulan data, yang terdiri dari 832 gambar, dibagi menjadi set pelatihan (80%), validasi (10%), dan pengujian (10%). Model tersebut mencapai mAP@50% sebesar 90,1%, presisi sebesar 71%, recall sebesar 90%, dan skor F-1 sebesar 84%, yang menunjukkan kinerja yang kuat dalam pendeteksian penyakit. Hasil ini menunjukkan potensi metode yang diusulkan untuk klasifikasi penyakit mangga secara real-time, akurat, dan tidak merusak, yang berkontribusi pada produktivitas pertanian dan pengendalian kualitas.