Klasifikasi Kematangan dan Kondisi Buah Naga Menggunakan MobileNetV2 Berbasis Deep Learning
Demo & Pengujian Sistem: Klasifikasi Kematangan dan Kondisi Buah Naga Menggunakan MobileNetV2 Berbasis Deep Learning
Video di atas mendemonstrasikan implementasi antarmuka, inference model, dan workflow end-to-end dari project Klasifikasi Kematangan dan Kondisi Buah Naga Menggunakan MobileNetV2 Berbasis Deep Learning via TikTok.
Overview & Cara Kerja
PitayaVision AI merupakan platform visi komputer (Computer Vision) dan kecerdasan buatan berbasis Deep Learning Transfer Learning MobileNetV2 yang dirancang untuk mengidentifikasi tingkat kematangan fisiologis dan kondisi fisik buah naga (Hylocereus polyrhizus / Hylocereus undatus) secara otomatis dan real-time. Sistem ini dilatih pada dataset komprehensif berskala 8.298 citra terverifikasi yang terbagi ke dalam 4 kelas mutu: Defect (Cacat/Busuk), Fresh (Segar/Prima), Immature (Mentah/Belum Matang), dan Mature (Matang Siap Konsumsi), menghasilkan tingkat akurasi pengujian 78.43% dengan presisi dan recall sempurna (100%) pada deteksi buah cacat dan buah mentah.
Fitur Utama Project
Arsitektur & Pipeline Sistem
Alur data interaktif dari input request hingga hasil pemrosesan sistem:
8,298 Images Ingestion & 80:10:10 Stratified Partitioning
Ingesti 8.298 citra buah naga 4 kelas mutu (Defect, Fresh, Immature, Mature), audit integritas berkas (zero corrupt images), dan partisi terstrata bebas bocor: 6.638 data latih, 830 data validasi, dan 830 data uji.
8 Augmentation Variations & 224x224 RGB Normalization
Penyeragaman resolusi citra ke 224×224 piksel, normalisasi nilai piksel (rescale 1/255.0), serta pengayaan data latih menggunakan 8 teknik augmentasi teruji (rotasi, shear, zoom, brightness, shift) terukur MAD.
MobileNetV2 Feature Extractor & Custom Dense Dropout Classifier
Pemanfaatan backbone MobileNetV2 ImageNet dengan depthwise separable convolution (bobot pre-trained dibekukan), dirangkai dengan GlobalAveragePooling2D, Dense 128 (ReLU), Dropout 0.5, dan Dense 4 (Softmax).
Adam Optimizer, Early Stopping & 78.43% Test Accuracy
Pelatihan model menggunakan pengoptimal Adam (lr=0.001), loss categorical cross-entropy, dan callback EarlyStopping (patience=5) untuk mengembalikan bobot terbaik, mencapai akurasi uji 78.43% (Recall Defect 100%).
Flask 3.0 Web App, Interactive Triage & Post-Harvest Decision Support
Deployment SavedModel ke aplikasi web interaktif Flask 3.0 bertema PitayaVision AI, dilengkapi upload drag-and-drop, 4 sampel uji langsung, gauge probabilitas kelas, rekomendasi penyimpanan suhu dingin, dan grade kelayakan pasar.
Struktur Berkas & Repositori
Hierarki folder dan berkas yang disertakan dalam paket proyek ini:
Dokumentasi Teknis
Tersedia dokumentasi teknis komprehensif untuk project ini:
Kebutuhan Sistem & Spesifikasi
Spesifikasi minimum perangkat untuk menjalankan project ini dengan lancar:
Cross-platform compatible
Lingkungan kerja teruji
Optimal untuk running service
Untuk berkas & dependensi
Pertanyaan yang Sering Diajukan (FAQ)
Jawaban ringkas terkait lisensi, akses file unduhan, dan panduan instalasi:
Bagaimana cara mendapatkan source code setelah pembayaran?
Segera setelah pembayaran lunas (PAID), berkas ZIP project dapat langsung diunduh secara instan dari halaman ini atau menu Dashboard > Pembelian & Unduhan. Salinan bukti invoice transaksi dan tautan akses juga dikirim otomatis ke alamat email Anda.
Apakah ada panduan instalasi dan dokumentasi teknis?
Ya! Setiap project di Devilda Projects menyertakan dokumentasi teknis komprehensif, arsitektur sistem, struktur database, serta instruksi langkah demi langkah cara setup environment lokal hingga siap di-run.
Bolehkah source code ini dimodifikasi untuk tugas akhir/skripsi/komersial?
Tentu saja. Pembelian lisensi memberikan Anda hak penuh untuk memodifikasi, mengkustomisasi, dan mengembangkan source code ini untuk keperluan tugas akhir, skripsi, portfolio kerja, maupun proyek komersial klien Anda.
Bagaimana jika saya mengalami kendala teknis saat instalasi?
Tim teknis Devilda siap membantu asistensi. Anda dapat berkonsultasi langsung dengan tim kami via WhatsApp CS Devilda (0878-2851-5500). Kami siap membantu kendala instalasi.
Ulasan Pembeli
Ulasan terverifikasi dari pengguna yang telah membeli project ini.
Belum ada ulasan untuk project ini.
Pembayaran aman via QRIS (Semua E-Wallet) & Virtual Account.
Yang Anda Dapatkan:
- Full Source Code Lengkap & Aset Project
- Teknologi: Python, Flask, TensorFlow, HTML
- Panduan Instalasi & Konfigurasi Lingkungan
- Seluruh Bab Dokumentasi Teknis Langkah demi Langkah
- Hak Lisensi Tugas Akhir, Skripsi & Komersial
- Akses Unduhan Berkas ZIP & Code Explorer Langsung