Sistem Pintar Deteksi Buah Sawit Menggunakan Deep Learning dan Drone Mini (SMART_DRONE_SAWIT)
Kelapa sawit merupakan sumber utama minyak nabati dan berkontribusi sekitar 40% terhadap produksi minyak global, sehingga banyak perkebunan kelapa sawit komersial dalam menjaga efisiensi dan produktivitas yang tinggi sudah menjalankan konsep presisi pertanian. Pada pasca panen kelapa sawit konsep presisi pertanian dilakukan dengan menggunakan taksasi buah sawit. Proses ini penting dilakukan pada perkebunan komersial untuk menentukan dan memperkirakan sumber daya yang digunakan dalam proses pemanenan buah kelapa sawit seperti jumlah tenaga kerja, peralatan transportasi dan estimasi produksi buah sawit yang dihasilkan pada setiap siklus penanaman. Proses taksasi ini dilakukan oleh beberapa petugas sensus buah yang dilakukan secara manual dengan mencatat dan menghitung banyaknya buah pada setiap pohon sawit sample. Karena prosesnya masih manual maka dengan metode ini sering terjadi banyak kesalahan prediksi terutama pada pohon yang tinggi sehingga menimbulkan kerugian dan tidak efisien. Oleh karena itu telah diusulkan penelitian untuk membuat model sistem taksasi digital buah kelapa sawit dengan menggunakan deep learning, komputasi awan dan drone.
Dalam penelitian ini konsep model dari system yang diusulkan dapat dijelaskan dengan gambar 1.
Gambar 1. Konseptual Model sistem taksasi digital TBS berbasis drone & cloud
Berdasarkan gambar 1, terlihat bahwa sistem dapat mengambil gambar video dengan drone dan aplikasi dapat mengenali gambar yang diperoleh serta menghitung jumlah buah sesuai kategori kemudian sistem dapat menyimpan datanya dengan bantuan cloud computing sehingga hasilnya langsung dapat ditampilkan dengan dashboard sistem.
Hasil implementasi dan pengujian model dari penelitian ini dapatditunjukan pada gambar 2. Berdasarkan gambar 2a terlihat pilot drone mini mengarahkan drone untuk mendekati buah sawityang akan dideteksi kematangannya. Karena pohon sawit yang relative tinggi sehingga cukup menyulitkan deteksi secara manual
Gambar 2a: Pilot Menerbangkan Drone melalui Remote dan Aplikasi
Gambar 2b: Drone mendekati pohon sawit
Gambar 2c: Tampilan Capture Tandan Buah Sawit
Sistem deteksi kematangan buah kelapa sawit berbasis deep learning dan drone mini merupakan inovasi penting dalam mendukung implementasi pertanian presisi di industri kelapa sawit. Sistem ini memungkinkan pemantauan tingkat kematangan buah secara otomatis, akurat, dan real-time, tanpa perlu kontak langsung dari petugas lapangan.
Melalui drone mini yang dilengkapi kamera dan model deep learning untuk klasifikasi kematangan buah, sistem ini dapat menjangkau area perkebunan yang luas dan sulit dijangkau, sekaligus mengurangi ketergantungan pada inspeksi manual yang sering kali tidak konsisten dan memakan waktu.
Dalam konteks pertanian presisi, sistem ini:
Berdasarkan pengujian lapangan di kebun kelapa sawi, hasilnya cukup menjanjikan, menunjukkan bahwa sistem mampu mengidentifikasi tingkat kematangan buah kelapa sawit dengan akurasi deteksi mencapai lebih dari 85% pada kondisi pencahayaan di lapangan.
Kelebihan dari penggunaan teknologi ini antara lain:
Pengujian juga menunjukkan bahwa model deep learning yang diterapkan mampu mendeteksi dan menghitung jumlah buah berdasarkan kategorinya, yaitu bunga, buah mentah, buah masak, dan buah abnormal dengan waktu processing rata-rata di bawah 1 detik per gambar, sehingga memungkinkan analisis hampir real-time selama penerbangan.
Dengan hasil awal ini, sistem berpotensi besar untuk diintegrasikan secara luas ke dalam praktik pertanian presisi di industri kelapa sawit, terutama untuk meningkatkan efisiensi panen dan pengambilan keputusan berbasis data.
