Pengembangan Plant Phenotyping System untuk Monitoring Cekaman Hara pada Tanaman Sayuran Daun di dalam Greenhouse

Abstract

Peningkatan produktivitas dan efisiensi budidaya tanaman sayuran daun di dalam greenhouse memerlukan teknologi monitoring akurat dan cepat. Salah satu tantangan utama dalam budidaya ini adalah mendeteksi dan mengatasi cekaman hara yang dapat menghambat pertumbuhan dan hasil tanaman. Pendekatan konvensional yang biasa dilakukan dalam monitoring cekaman hara sering kali bersifat destruktif, membutukan waktu lama, dan tidak efisien untuk diterapkan pada skala yang besar. Seiring perkembangan teknologi, plant phenotyping system berbasis citra kamera RGB dapat dikembangkan sebagai solusi potensial. Teknologi ini memungkinkan pengambilan data tanaman secara non-destruktif, akurat, dan dapat dilakukan secara berulang. Dengan mengintegrasikan metode pengolahan citra dan kecerdasan buatan seperti artificial neural network dan deep learning, dapat dikembangkan sistem deteksi cekaman hara yang efektif dan efisien. Penelitian ini bertujuan untuk mengembangkan plant phenotyping system berbasis citra kamera RGB untuk monitoring cekaman hara pada tanaman sayuran daun yang dibudidayakan di dalam greenhouse. Penelitian dilakukan di greenhouse tipe piggy back berukuran 6×12 meter dengan sistem hidroponik nutrient film technique (NFT). Tanaman sayuran daun yang dibudidayakan adalah sawi pakcoy (Brassica rapa var. chinensis) dan selada romaine (Lactuca sativa var. romana) dengan jarak tanam 18,5×15 cm sebanyak masing-masing 78 tanaman untuk setiap perlakuan. Larutan hara yang digunakan adalah nutrisi AB mix yang diracik berdasarkan larutan standar Hoagland yang dimodifikasi menjadi 8 perlakuan dengan komposisi hara yang berbeda. Pengumpulan data dilakukan untuk mendukung analisis dan pengembangan model yang meliputi pengukuran data lingkungan iklim mikro, larutan hara, laju fotosintesis tanaman sayuran daun, parameter pertumbuhan tanaman (tinggi tanaman, jumlah daun, dan bobot segar tanaman), serta pengambilan data citra tanaman menggunakan kamera RGB (Xiaovv XVV-6320S dan Intel realsense depth camera D455). Data yang diperoleh melalui pengambilan citra tanaman selanjutnya diolah untuk mendapatkan data parameter visual seperti luas kanopi dan indeks vegetasi tanaman. Model pendugaan pertumbuhan tanaman menggunakan data visual hasil pengolahan citra tanaman untuk memprediksi bobot segar tanaman sayuran daun dengan analisis regresi. Model prediksi laju fotosintesis tanaman sayuran daun dibangun dengan pendekatan ANN menggunakan parameter lingkungan iklim mikro dan larutan hara sebagai parameter input. Identifikasi respon tanaman terhadap cekaman hara dilakukan melalui analisis perubahan fisiologis dan visual tanaman akibat cekaman hara berdasarkan data parameter pertumbuhan tanaman seperti tinggi tanaman, jumlah daun, bobot segar tanaman, luas kanopi, dan indeks vegetasi tanaman. Model deteksi dini cekaman hara dikembangkan menggunakan metode deep learning dengan algoritma YOLOv5 berdasarkan dataset beranotasi. Setiap model divalidasi untuk memastikan kinerja model yang dibangun. Hasil penelitian ini menunjukkan keberhasilan pengembangan plant phenotyping system berbasis kamera RGB untuk monitoring cekaman hara pada tanaman sayuran daun di dalam greenhouse. Salah satu kontribusi utama dari peneltian ini adalah pembuktian bahwa kamera RGB dapat digunakan untuk mendeteksi parameter fisiologis tanaman sayuran daun secara non-destruktif. Selanjutnya, penelitian ini juga berhasil mengintegrasikan plant phenotyping system berbasis kamera RGB dengan model ANN untuk membangun model prediksi laju fotosintesis tanaman sayuran daun dalam kondisi normal dan cekaman hara. Berdasarkan hasil identifikasi, gejala cekaman hara pada tanaman sayuran daun yang dapat diamati secara visual cenderung muncul pada 12-15 hst. Namun, model deep learning yang dikembangkan berhasil mendeteksi gejala cekaman hara seperti defisiensi N, P, dan K serta kelebihan hara sejak awal masa pertumbuhan tanaman pada umur tanaman 3 hst dengan tingkat akurasi yang tinggi. Plant phenotyping system berbasis kamera RGB yang dikembangkan dalam penelitian ini telah membuktikan potensinya sebagai solusi yang efisien untuk monitoring cekaman hara pada tanaman sayuran daun di dalam greenhouse. Dengan mengintegrasikan teknologi citra digital, ANN, dan DL algoritma YOLOv5, sistem ini mampu memberikan data kuantitatif yang akurat dan mendukung pengambilan keputusan dalam pertanian presisi.