<![CDATA[Penelitian ini mengekplorasi kemungkinan pemanfaatan teknologi edge machine learning dalam hal rekognisi suara-suara burung hama yang bisa diaplikasikan pada mikrokontroller ultra low power. Dalam paper ini dilakukan uji kehandalan dari tiga algoritma mesin pembelajaran (ML), kemudian menyematkankannya ke mikrokontroller Seeed Xiao NRF52840 Sense. Model pembelajaran mesin yang pertama adalah Fast Convolutional Neural Netywork (CNNs) 1D dengan 2 layer, model ke-2 adalah menggunakan arsitektur berbasis transfer learning MobileNet. Dalam melakukan training dan testing digunakan mesin pembelajaran embedded platform Edge Impulse. Model pembelajaran yang dihasilkan kemudian diimplementasi sebagai Arduino Library baik sebagai representasi 32-bit floating point dan 8-bit fixed integer. Nilai dugaan yang dihasilkan oleh mikrokontroller dievaluasi dalam 4 kasus, yaitu menggunakan kompiler Edge Impulse EON dan Tensor Flow Lite (TFLite). Hasil penelitian juga melaporkan memory footprint ( RAM dan Flash), nilai akurasi, dan waktu dugaan (time inference).]]>
Copyrights © 2023
