Klasifikasi Buah Otomatis Berdasarkan Pembelajaran Mendalam Menggunakan Yolov8

Abstract

Tindakan identifikasi buah memerlukan penegasan dan klasifikasi berbagai varietas buah, didasarkan pada atribut visual mereka. Tugas ini dapat diselesaikan melalui berbagai metode, termasuk inspeksi manual, teknik visi komputer tradisional, dan pendekatan yang lebih maju menggunakan pembelajaran mesin dan pembelajaran mendalam. Pekerjaan kami mengenali 15 jenis buah. Percobaan kami menggunakan dataset citra buah, yang terdiri dari kelas Alpukat, Pisang, Ceri, Apple Braeburn, Apple golden 1, Aprikot, Anggur, Kiwi, Mangga, Jeruk, Pepaya, Persik, Nanas, Delima dan Strawberry. Yolov8 adalah salah satu model pembelajaran paling populer di bidang deteksi objek. Jaringan saraf konvolusional (CNN), sehingga secara bersamaan memprediksi beberapa kotak pembatas dan kelas probabilitas dari kotak pembatas ini. Yolov8 melatih seluruh gambar dan secara langsung mengoptimalkan kinerja deteksi, dimodelkan sebagai jaringan saraf Convolutional (CNN). Persentase deteksi hasil uji menggunakan Yolov8n.pt untuk masing-masing dari 15 kategori gambar buah dengan akurasi rata-rata di atas adalah 0,97%, sehingga dapat dikatakan cukup baik. Setelah mengumpulkan data, pelatihan Train dan implementasi desain sistem algoritma Val Test Convolutional neural networks (CNN) memungkinkan pembelajaran mesin dan berhasil dideteksi menggunakan yolov8n. Selama proses eksperimental, kami menggunakan 100 echops dengan menggunakan Google Collaboratory. Google Collaboratory telah menyediakan GPU hingga 12GB, sehingga memudahkan dan mempercepat proses deteksi buah.