Pengembangan Identifikasi Otomatis untuk Beberapa Telur Cacing Parasit pada Domba

Abstract

Sistem pendeteksi dini kecacingan pada domba secara cepat, real-time, dan akurat diperlukan untuk mencegah infeksi kecacingan pada domba. Oleh karena itu, penelitian ini bertujuan membuat sistem identifikasi telur parasit cacing multispesies yaitu Strongyle, Moniezia sp., Trichuris sp., dan Paramphistomum sp secara otomatis dengan algoritma YOLO (You Only Look Once). Sistem identifikasi dibuat dengan melakukan pengambilan gambar telur cacing sebagai dataset, melakukan anotasi dataset, pengembangan sistem, dan pengujian sistem algoritma. Pengembangan sistem identifikasi telur cacing dilakukan oleh mitra penelitian yaitu PT. Vox Digital Kreatif. Sistem berhasil mendeteksi multiple spesies cacing namun belum optimal. Kemampuan algoritma yang belum optimal melakukan identifikasi dan kuantifikasi dapat disebabkan jumlah dataset yang sedikit, telur terlalu padat, dan kualitas gambar kurang baik

A fast, real-time, and accurate early detection system for helminthiasis in sheep is needed to prevent helminthiasis infection in sheep. Therefore, this study aims to create an automatic identification system for eggs of multispecies helminth parasites namely Strongyle, Moniezia sp., Trichuris sp., and Paramphistomum sp. using the YOLO (You Only Look Once) algorithm. The identification system is made by taking pictures of worm eggs as datasets, annotating the datasets, developing the system, and testing the algorithm system. The worm egg identification system development was carried out by our research partner, PT Vox Digital Kreatif. The multi-species worm egg identification system successfully detected multiple worm species, albeit suboptimal. The cause of such results can be affected by the small number of datasets, high density of the eggs, and poor image quality.