PENGKLASIFIKASI BERAS MENGGUNAKAN METODE CNN (CONVOLUTIONAL NEURAL NETWORK)

MUH ZAINAL ALTIM, Faisal, Salmiah, Kasman, ANDI YUDHISTIRA, RITA AMALIA SYAMSU
{"title":"PENGKLASIFIKASI BERAS MENGGUNAKAN METODE CNN (CONVOLUTIONAL NEURAL NETWORK)","authors":"MUH ZAINAL ALTIM, Faisal, Salmiah, Kasman, ANDI YUDHISTIRA, RITA AMALIA SYAMSU","doi":"10.24252/instek.v7i1.28922","DOIUrl":null,"url":null,"abstract":"Pemanfaatan Computer Vision yang digunakan untuk pengolahan gambar dan deep learning dalam melakukan proses pembelajaran. Berdasarkan citra image (gambar) beras yang di input, memungkinkan system untuk mengklasifikasikan jenis objek beras. Kemudian, proses deep learning seperti Convolutional Neural Network (CNN). melakukan training pembelajaran dalam memproses gambar yang menjadi data set, dengan melakukan proses learning dalam beberapa jaringan (Network) tersembunyi dan menjadikan gambar yang ingin diuji dapat diklasifikasikan berdasarkan tingkat atau level dari learning (pembelajaran) network itu sendiri. Berdasarkan hasil proses diperoleh, pengklasifikasian beras dengan data yang diambil berupa gambar beras dapat dilakukan dengan melakukan training objek beras yang diujikan. Pengklasifikasian beras dilakukan dengan membedakan 8 (dua) kelas jenis beras yang diambil yaitu beras yang baik dan beras yang jelek. Dengan Metode CNN dapat dihasilkan tingkat keakuratan sampai diatas 90 persen. Sistem pengklasifikasian ini digunakan untuk industri, perusahaan atau stakeholder untuk dimanfaatkan dalam melihat kualitas beras secara lebih cepat, akurat, dan objectif.    Kata Kunci : Dataset beras, beras, CNN, Deep Learning","PeriodicalId":127396,"journal":{"name":"Jurnal INSTEK (Informatika Sains dan Teknologi)","volume":"52 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-03-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"3","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal INSTEK (Informatika Sains dan Teknologi)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.24252/instek.v7i1.28922","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 3

Abstract

Pemanfaatan Computer Vision yang digunakan untuk pengolahan gambar dan deep learning dalam melakukan proses pembelajaran. Berdasarkan citra image (gambar) beras yang di input, memungkinkan system untuk mengklasifikasikan jenis objek beras. Kemudian, proses deep learning seperti Convolutional Neural Network (CNN). melakukan training pembelajaran dalam memproses gambar yang menjadi data set, dengan melakukan proses learning dalam beberapa jaringan (Network) tersembunyi dan menjadikan gambar yang ingin diuji dapat diklasifikasikan berdasarkan tingkat atau level dari learning (pembelajaran) network itu sendiri. Berdasarkan hasil proses diperoleh, pengklasifikasian beras dengan data yang diambil berupa gambar beras dapat dilakukan dengan melakukan training objek beras yang diujikan. Pengklasifikasian beras dilakukan dengan membedakan 8 (dua) kelas jenis beras yang diambil yaitu beras yang baik dan beras yang jelek. Dengan Metode CNN dapat dihasilkan tingkat keakuratan sampai diatas 90 persen. Sistem pengklasifikasian ini digunakan untuk industri, perusahaan atau stakeholder untuk dimanfaatkan dalam melihat kualitas beras secara lebih cepat, akurat, dan objectif.    Kata Kunci : Dataset beras, beras, CNN, Deep Learning
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
大米分类使用CNN(反革命网络)
计算机愿景的使用用于处理图像和深度学习过程。根据输入大米的图像,它允许系统对大米的类型进行分类。然后,深层学习过程就像一个革命性的神经网络。通过在一些隐藏的网络中进行学习过程,对想要测试的图片进行培训,可以根据网络本身的水平或水平进行分类。根据取得的过程结果,可以通过培训批准的水稻对象来进行大米的分类。大米的分类方法是区分好大米和坏大米的种类8(2)。通过CNN的方法,可以生成90%以上的准确性水平。这种分类系统被用于工业、企业或利益相关者,使他们能够更早、更准确、更客观地利用大米的质量。关键词:调查大米,大米,CNN,深度学习
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
ANALISIS WEBOMETRICS TERHADAP PEMERINGKATAN UNIVERSITAS: STUDI KASUS: WEBSITE UNIVERITAS ISLAM NEGERI ALAUDDIN MAKASSAR EVALUASI PERBANDINGAN PERFORMANSI LVQ 1, LVQ 2, DAN LVQ 3 DALAM KLASIFIKASI JENIS KELAMIN MENGGUNAKAN TULANG TENGKORAK PENGARUH KEBISINGAN TERHADAP FREKUENSI DENYUT NADI DAN KELELAHAN KERJA MENGGUNAKAN UJI STATISTIK SPSS PADA UJI PAIRED SAMPEL T-TEST ANALISIS THROUGHPUT PADA HADOOP MENGGUNAKAN ALGORITMA DELAY SCHEDULING UNTUK PENGIRIMAN 2 JOB YANG BERBEDA ANALISIS PREDIKSI KETEPATAN MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER DAN FEATURE SELECTION
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1