<![CDATA[Kerapatan dan transparansi tajuk pohon merupakan indikator penting kesehatan hutan yang berpengaruh terhadap keseimbangan ekosistem dan keanekaragaman hayati. Penelitian ini mengembangkan sistem deteksi real-time berbasis model YOLOv10 yang dioptimalkan untuk perangkat mobile melalui konversi ke TensorFlow Lite, sehingga memungkinkan inferensi cepat dan efisien di lapangan tanpa memerlukan perangkat komputasi besar. Dataset yang digunakan terdiri dari 5.000 citra tajuk pohon yang mencakup sepuluh kelas variasi kerapatan dan transparansi, mewakili lima jenis daun jarum dan lima jenis daun lebar dengan perbedaan morfologi dan karakteristik transmisi cahaya. Pengambilan data dilakukan pada berbagai sudut pandang untuk meningkatkan ketahanan model terhadap kondisi nyata di lapangan. Data dibagi menjadi 70% untuk pelatihan, 10% untuk validasi, dan 20% untuk pengujian. Hasil evaluasi menunjukkan akurasi 97,7% dengan nilai precision, recall, dan F1-score yang tinggi di setiap kelas. Sistem ini berpotensi mempercepat proses survei lapangan, meningkatkan akurasi pemantauan ekosistem, dan menjadi alat pendukung pengambilan keputusan dalam pengelolaan hutan serta program konservasi. Pendekatan ini menawarkan solusi praktis dan terukur untuk pemantauan hutan berkelanjutan dengan memanfaatkan teknologi computer vision mutakhir di perangkat mobile]]>
Copyrights © 2025
