Pengembangan Drone Polinator Dengan Kemampuan Deteksi Batang Sawit Untuk Penyerbukan Tanaman Dengan Visi Komputer

Farhan, Muhammad (2025) Pengembangan Drone Polinator Dengan Kemampuan Deteksi Batang Sawit Untuk Penyerbukan Tanaman Dengan Visi Komputer. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5022211122-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (7MB) | Request a copy

Abstract

Penyerbukan adalah proses pemindahan serbuk sari dari benang sari ke putik, proses ini merupakan tahap penting dalam kelangsungan hidup sebuah spesies tanaman karena menjadi awal dari pembentukan buah dan biji. Layaknya proses alamiah lain, penyerbukan tanaman juga dipengaruhi faktor-faktor alam seperti perubahan musim dan fluktuasi populasi serangga. Demikian juga pada tanaman perkebunan seperti kelapa sawit, dimana tingkat penyerbukannya bisa terhambat oleh fluktuasi serangga Elaeidobius Kamerunicus. Hal ini menyebabkan tingkat produksi minyak kelapa sawit tidak konsisten. Oleh karena itu, pada penelitian ini diajukan pengembangan sebuah drone yang terintegrgasi visi komputer yang memungkinkan proses penyerbukan dapat dilakukan secara otomatis. Diharapkan sistem ini dapat menjadi awal dari pengembangan drone yang dapat membantu proses penyerbukan menjadi lebih efisien dan konsisten sepanjang tahun, serta tidak terpengaruh terhadap efek turunnya populasi serangga penyerbuk maupun perubahan musim. Model yang dilatih merupakan model algoritma YOLO11s, yang setelah diretraining untuk mengenali batang pohon sawit, memiliki nilai mean Average Precision pada batas Intersection over Union (IoU) 0.5 hingga 0.95 (mAP@0.5:0.95) di atas 0.8, menandakan kemampuan generalisasi model yang baik terhadap variasi posisi dan ukuran objek. Model ini diintegrasikan di dalam Single Board Computer (SBC) Raspberry Pi, dimana model nantinya akan dijalankan pada akselerator kecerdasan buatan Hailo8L. Hasil inference dari model ini akan menjadi titik tujuan dari drone.
==================================================================================================================================
Pollination is the process of transferring pollen from the stamen to the pistil, this process is an important stage in the survival of a plant species because it is the beginning of the formation of fruit and seeds. Like other natural processes, plant pollination is also influenced by natural factors such as seasonal changes and fluctuations in insect populations. Likewise in plantation crops such as oil palm, where the level of pollination can be hampered by fluctuations in the Elaeidobius Kamerunicus insect. This causes the level of palm oil production to be inconsistent. Therefore, this study proposes the development of a drone integrated with computer vision that allows the pollination process to be carried out automatically. It is hoped that this system can be the beginning of the development of drones that can help the pollination process become more efficient and consistent throughout the year, and are not affected by the effects of declining pollinating insect populations or seasonal changes. The trained model is the YOLO11s algorithm model, which after being retrained to recognize oil palm tree trunks, has a mean Average Precision value at the Intersection over Union (IoU) limit of 0.5 to 0.95 (mAP@0.5:0.95) above 0.8, indicating good model generalization ability to variations in object position and size. This model is integrated into the Raspberry Pi Single Board Computer (SBC), where the model will later be run on the Hailo8L artificial intelligence accelerator. The inference results from this model will be the destination point of the drone.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Penyerbukan, Drone, Visi Komputer, Convolutional Neural Network
Subjects:	U Military Science > UG1242 Drone aircraft--Control systems. (unmanned vehicle)
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20201-(S1) Undergraduate Thesis
Depositing User:	Unnamed user with email marsudi1971
Date Deposited:	29 Jul 2025 10:08
Last Modified:	29 Jul 2025 10:08
URI:	http://repository.its.ac.id/id/eprint/122693

Actions (login required)

View Item