<![CDATA[Panjang benih lele merupakan indikator penting dalam kegiatan pembenihan karena menjadi dasar penyeragaman ukuran (grading) dan pemantauan pertumbuhan, tetapi pengukurannya masih dilakukan secara manual melalui kontak langsung yang berisiko menimbulkan stres pada benih dan memakan waktu kerja besar. Penelitian ini mengembangkan sistem estimasi panjang benih lele secara non-kontak berbasis citra top-view yang mengintegrasikan segmentasi instance YOLOv8-seg, ekstraksi panjang berbasis skeleton beserta ekstensi ujung rangka, dan kalibrasi objek referensi. Penelitian ini bertujuan mengukur akurasi model segmentasi, mengukur tingkat kesalahan estimasi panjang, serta menganalisis karakteristik kesalahannya. Model dilatih menggunakan 732 citra dan dievaluasi pada 20 ekor benih lele yang terdiri atas 60 foto. Panjang tubuh diperoleh dari mask melalui skeletonisasi, pencarian lintasan terpanjang pada graf rangka, dan ekstensi ujung, kemudian dikonversi ke sentimeter menggunakan diameter dasar wadah 27 cm sebagai objek referensi. Model mencapai mAP@0.5 sebesar 0,985 pada bounding box dan 0,972 pada mask untuk data uji. Estimasi panjang memperoleh Mean Absolute Error 0,566 cm, Mean Absolute Percentage Error 7,07%, dan Root Mean Square Error 0,595 cm. Kesalahan bersifat sistematis berupa underestimation yang konsisten, dan koreksi bias sederhana menurunkan Mean Absolute Error menjadi 0,154 cm pada validasi out-of-sample.]]>
Copyrights © 2026
