onalla/deteksi-jenis-tanaman-v3-strict-external

deteksi_jenis_tanaman_v3_strict_external_mobilenetv2

Model tahap 1 untuk mendeteksi jenis tanaman dari gambar daun/tanaman:

• Padi
• Teh
• Tomat

Pembagian Dataset

Internal

Dataset internal dipakai untuk train, validation, dan internal test:

• Padi: Rice Leaf Diseases Detection, Dhan-Shomadhan
• Teh: Identifying Disease in Tea Leafs, teaLeafBD, Tea Leaf Diseases, TLD-BD, Tea Dataset Farm, Tea Leaves YOLO
• Tomat: PlantVillage Tomato, Tomato Disease Multiple Sources

External

Dataset external tidak dipakai training dan hanya digunakan untuk external test:

• Padi: Rice Leaf Disease: An Images Dataset
• Teh: teaLeafAgeQuality
• Tomat: tomatoleaf

Manual

Manual test memakai gambar Google/HP dari folder test_google_daun dengan threshold confidence 0.70.

Evaluasi

Notebook ini memakai tiga nama evaluasi:

1. Internal

   • Test split dari dataset training source.
   • Tidak ikut training, tetapi berasal dari source yang sama dengan train/validation.

2. External

   • Strict external public test.
   • Berasal dari dataset Kaggle baru yang tidak ikut training:
     • Padi: alamshihab075/rice-leaf-disease-an-images-dataset
     • Teh: fahadbd/tealeafagequality
     • Tomat: kaustubhb999/tomatoleaf

3. Manual

   • Gambar Google/HP.
   • Menggunakan threshold confidence 0.7.
   • Jika confidence di bawah threshold, prediksi ditandai sebagai Tidak yakin.

Paper Figures

The figures folder contains paper-ready images in PDF and PNG format:

• pipeline.pdf
• model_architecture.pdf
• training_curve.pdf
• confusion_matrix_internal.pdf
• confusion_matrix_external.pdf
• manual_examples.pdf
• dataset_split_summary.pdf

Input

• RGB image
• Size: 224x224
• dtype: float32
• range: 0-255

Preprocessing Rescaling sudah ada di dalam model. Jangan normalize input lagi saat inference.

Output

Softmax 3 kelas:

0. Padi
1. Teh
2. Tomat

Catatan

Model ini belum memiliki kelas Unknown. Untuk versi berikutnya, class Unknown bisa ditambahkan agar gambar selain Padi/Teh/Tomat tidak dipaksa masuk salah satu kelas.