Deteksi Perilaku Makan Dan Keagresifan Pada Ayam Pedaging Menggunakan Arsitektur Deteksi Objek You Only Look Once (YOLOv4)

Abstract

Permintaan pasar terhadap komoditas ayam pedaging yang tinggi menuntut peternak ayam untuk meningkatkan performa produksi. Biaya produksi dan kesejahteraan unggas menjadi aspek penting dalam daya saing industri. Untuk mengoptimalkan aspek-aspek tersebut, perilaku ayam seperti makan dan keagresifan perlu diperhatikan secara kontinu. Namun hal ini tidak praktis dilakukan sepenuhnya dengan tenaga manusia. Penerapan Precision Livestock Farming dengan Deep Learning dapat membantu memberikan keputusan secara kontinu, real-time, dan terotomasi. Pada penelitian ini diterapkan arsitektur deteksi objek You Only Look Once Version 4 (YOLOv4) untuk mendeteksi perilaku ayam makan dan keagresifan. Data yang digunakan yaitu 1.128 bounding box makan dan 881 bounding box keagresifan. Nilai mAP pelatihan model menghasilkan 73,95 % - 99,74 %, namun nilai mAP pengujian model menghasilkan 16,92 % – 32,38 %. Hal ini menunjukan bahwa pelatihan model deteksi objek masih overfitting. Pelatihan model selanjutnya perlu dilakukan pembangunan dataset lebih lanjut yang lebih relevan dan representatif serta mengurangi data yang redundan.