https://github.com/abiyamakruf/telu-tubes-thesis-plantdiseaseseverity
Proyek thesis ini merupakan sistem pendeteksi penyakit tanaman dan pengukuran tingkat keparahannya berbasis citra daun menggunakan YOLOv11 (varian `nano`, `small`, dan `medium`).
https://github.com/abiyamakruf/telu-tubes-thesis-plantdiseaseseverity
Science Score: 26.0%
This score indicates how likely this project is to be science-related based on various indicators:
-
○CITATION.cff file
-
✓codemeta.json file
Found codemeta.json file -
✓.zenodo.json file
Found .zenodo.json file -
○DOI references
-
○Academic publication links
-
○Academic email domains
-
○Institutional organization owner
-
○JOSS paper metadata
-
○Scientific vocabulary similarity
Low similarity (2.7%) to scientific vocabulary
Repository
Proyek thesis ini merupakan sistem pendeteksi penyakit tanaman dan pengukuran tingkat keparahannya berbasis citra daun menggunakan YOLOv11 (varian `nano`, `small`, dan `medium`).
Basic Info
Statistics
- Stars: 0
- Watchers: 0
- Forks: 0
- Open Issues: 0
- Releases: 0
Metadata Files
README.md
🌿 Plant Disease Detection & Severity Estimation using YOLOv11
🚀 Proyek ini merupakan sistem pendeteksi penyakit tanaman dan pengukuran tingkat keparahannya berbasis citra daun menggunakan YOLOv11 (varian nano, small, dan medium).
📁 Struktur Dataset
dataset/
├── objectDetection/
├── maskDaun/
└── maskLesi/
objectDetection/: Dataset untuk pelatihan deteksi daun secara menyeluruh.maskDaun/: Dataset segmentasi daun (hasil dari SAM2).maskLesi/: Dataset segmentasi lesi penyakit untuk estimasi keparahan.
🧠 Model
Kami menggunakan model segmentasi YOLOv11 dengan bobot:
- yolo11n-seg.pt 🟢 (Nano)
- yolo11s-seg.pt 🔵 (Small)
- yolo11m-seg.pt 🟣 (Medium)
🛠️ Tahapan
🖼️ Object Detection
- Deteksi objek daun pada citra
- Dataset:
dataset/objectDetection/ - Contoh hasil:
🍃 Leaf Mask Segmentation
- Segmentasi daun dari background
- Dataset:
dataset/maskDaun/ - Contoh hasil:
🦠 Lesion Mask Segmentation
- Segmentasi area penyakit/lesi pada daun
- Dataset:
dataset/maskLesi/ - Contoh hasil:
📊 Evaluasi
- IoU (Intersection over Union) untuk segmentasi
- mAP50 & mAP50-95 dari hasil validasi
- Hasil dicatat di folder:
results/ ├── objectDetection/ ├── maskDaun/ └── maskLesi/
🔁 Perbandingan Varian Model
| Varian | Kecepatan | Akurasi | Keterangan |
|--------|-----------|---------|------------------|
| nano | ⚡⚡⚡ | ⭐ | ultra ringan |
| small| ⚡⚡ | ⭐⭐ | seimbang |
| medium| ⚡ | ⭐⭐⭐ | akurasi lebih baik|
📦 Dependencies
ultralytics>=8.0.0opencv-pythonmatplotlibPillownumpyscikit-learn
📬 Kontak
📧 M. Abiya Makruf
✉️ Telkom University – S2 Informatika
Owner
- Login: AbiyaMakruf
- Kind: user
- Location: Bandung, Indonesia
- Website: https://the-eventhorizon.com/
- Repositories: 2
- Profile: https://github.com/AbiyaMakruf
I am passionate about my work, highly organized, and a hard worker person
GitHub Events
Total
- Push event: 4
- Create event: 1
Last Year
- Push event: 4
- Create event: 1
Dependencies
- roboflow *
- seaborn *
- ultralytics *
- Flask *
- numpy *
- opencv-python *
- pillow *
- ultralytics *