PERANCANGAN SISTEM KLASIFIKASI JENIS BERAS
DENGAN METODE FASTER R-CNN DAN YOLO
Total View This Week0
Total View This Week0
Institusion
Universitas Darma Persada
Author
Ray, Marshel
Subject
005.262 Programming in Specific Program Language/Pemrograman untuk Bahasa Pemrograman Tertentu
Datestamp
2024-07-23 02:09:27
Abstract :
Faster R-CNN merupakan algoritma pendeteksian objek dalam computer vision yang menggabungkan Region Proposal Network atau (RPN) dengan Convolutional Neural Network atau (CNN). Sementara YOLO adalah metode yang menggunakan satu jaringan konvolusi untuk memprediksi area suatu objek. Keduanya dilatih dengan gambar dan secara efisien mencari cara terbaik untuk meningkatkan kinerjanya sendiri. YOLO membagi gambar menjadi grid berukuran S x S Oleh karena itu, merupakan tanggung jawab setiap sel grid untuk meramalkan hal-hal yang dikandungnya. Skripsi ini membahas perancangan sistem klasifikasi jenis beras menggunakan metode Faster R-CNN dan YOLO. Tujuan penelitian adalah untuk meningkatkan akurasi dan kecepatan deteksi jenis beras melalui integrasi kedua metode tersebut. Penelitian ini melibatkan pengumpulan dataset berbagai jenis beras, implementasi Faster R-CNN dan YOLO dalam sistem klasifikasi, serta evaluasi performa sistem berdasarkan kriteria akurasi dan kecepatan deteksi. Hasil penelitian menunjukkan bahwa pendekatan gabungan Faster R-CNN dan YOLO dapat meningkatkan efisiensi klasifikasi jenis beras secara signifikan.
Faster R-CNN merupakan algoritma pendeteksian objek dalam computer vision yang menggabungkan Region Proposal Network atau (RPN) dengan Convolutional Neural Network atau (CNN). Sementara YOLO adalah metode yang menggunakan satu jaringan konvolusi untuk memprediksi area suatu objek. Keduanya dilatih dengan gambar dan secara efisien mencari cara terbaik untuk meningkatkan kinerjanya sendiri. YOLO membagi gambar menjadi grid berukuran S x S Oleh karena itu, merupakan tanggung jawab setiap sel grid untuk meramalkan hal-hal yang dikandungnya. Skripsi ini membahas perancangan sistem klasifikasi jenis beras menggunakan metode Faster R-CNN dan YOLO. Tujuan penelitian adalah untuk meningkatkan akurasi dan kecepatan deteksi jenis beras melalui integrasi kedua metode tersebut. Penelitian ini melibatkan pengumpulan dataset berbagai jenis beras, implementasi Faster R-CNN dan YOLO dalam sistem klasifikasi, serta evaluasi performa sistem berdasarkan kriteria akurasi dan kecepatan deteksi. Hasil penelitian menunjukkan bahwa pendekatan gabungan Faster R-CNN dan YOLO dapat meningkatkan efisiensi klasifikasi jenis beras secara signifikan.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
