Kamis, 30 Mei 2024

Optimizing Soil Type Classification with Transfer Learning Using Inceptionv3



Link Code

Google Colab

Pendahuluan

Dalam bidang agrikultur dan geologi, pengklasifikasian jenis tanah merupakan hal yang penting untuk berbagai aplikasi, seperti pemetaan tanah, pengelolaan lahan, dan penelitian ilmiah serta tanaman apa yang cocok ditanam terhadap jenis tanah. Pada proyek ini, saya akan menunjukkan bagaimana saya menggunakan model transfer learning dengan Inceptionv3 untuk mengklasifikasikan jenis tanah berdasarkan gambar. 

Deskripsi Proyek

Proyek ini bertujuan untuk mengembangkan model klasifikasi gambar yang dapat mengidentifikasi jenis tanah yang berbeda. Kami menggunakan arsitektur Inceptionv3 yang telah dilatih sebelumnya pada dataset ImageNet dan melakukan transfer learning untuk menyesuaikannya dengan dataset gambar tanah.

Dataset

Dataset yang digunakan dalam proyek ini terdiri dari beberapa jenis tanah yang umum ditemukan. Setiap kategori tanah memiliki sejumlah gambar yang digunakan untuk melatih dan menguji model. Dataset dibagi menjadi dua set, yaitu training set dan validation set.

Label:

Class: Aluvial

Train: 70 images

Validation: 25 images

Test: 15 images

Total: 110 images


Class: Andosol

Train: 70 images

Validation: 25 images

Test: 15 images

Total: 110 images


Class: Entisol

Train: 70 images

Validation: 25 images

Test: 15 images

Total: 110 images


Class: Humus

Train: 70 images

Validation: 25 images

Test: 15 images

Total: 110 images


Class: Inceptisol

Train: 71 images

Validation: 25 images

Test: 15 images

Total: 111 images


Class: Laterit

Train: 70 images

Validation: 25 images

Test: 15 images

Total: 110 images


Class: Kapur

Train: 70 images

Validation: 25 images

Test: 15 images

Total: 110 images


Class: Pasir

Train: 70 images

Validation: 25 images

Test: 15 images

Total: 110 images


Hasil Penerapan di Mobile Aplikasi



Posting Komentar