<![CDATA[Pemantauan lahan sawit secara konvensional biasanya dilakukan dengan cara manual oleh petani yang mengerahkan beberapa orang untuk menyebar di area lahan. Namun, pendekatan ini membutuhkan waktu dan tenaga yang cukup besar, serta rentan terhadap ketidakakuratan dalam pemantauan. Sebagai alternatif, perusahaan besar yang mengelola lahan sawit umumnya menggunakan teknologi drone untuk memantau lahan, diikuti dengan penggunaan perangkat lunak analisis yang kompleks. Namun, pemanfaatan teknologi ini seringkali memerlukan biaya dan peralatan yang mahal. Penelitian ini bertujuan untuk mengembangkan sistem pemantauan lahan sawit menggunakan teknologi yang lebih terjangkau dan praktis, yaitu dengan memanfaatkan drone yang tersedia di pasaran serta NVIDIA Jetson Nano sebagai perangkat pemrosesan gambar portabel. Sistem ini menggunakan metode deep learning, dengan mengimplementasikan algoritma You Only Look Once (YOLO) untuk deteksi objek dan Instance Segmentation untuk segmentasi area lahan sawit. YOLO memungkinkan pendeteksian objek secara real-time dengan akurasi tinggi, sementara Instance Segmentation memfasilitasi pemisahan area sawit secara lebih detail, yang akan membantu dalam analisis lebih mendalam. Dengan menggunakan peralatan yang lebih terjangkau dan portabel, penelitian ini bertujuan untuk mempermudah petani atau pihak terkait dalam memantau dan menganalisis kondisi lahan sawit secara efektif, efisien, dan dengan biaya yang lebih rendah dibandingkan dengan teknologi pemantauan konvensional atau yang digunakan perusahaan besar.]]>
Copyrights © 2024
