Pengembangan Model Indentifikasi Varietas Tanaman Cabai Berbasis YOLOv12 Menggunakan Dataset Citra Drone Crazyflie

Abstract

Pertumbuhan budidaya cabai di lingkungan greenhouse menghadapi tantangan dalam proses identifikasi varietas yang masih banyak dilakukan secara manual, sehingga berisiko menimbulkan keterlambatan dan kesalahan dalam pengelolaan tanaman. Pemanfaatan teknologi pemantauan berbasis citra drone mikro Bitcraze Crazyflie 2.1 menjadi solusi yang lebih efisien dan presisi, terutama pada sistem pertanian modern yang memiliki keterbatasan ruang. Penerapan model YOLOv12 sebagai pendekatan computer vision memungkinkan peningkatan akurasi dalam membedakan varietas cabai secara otomatis dari citra yang diperoleh drone. Hasil pengujian menunjukkan model terbaik mencapai mAP50-95 sebesar 0,942, dan evaluasi dengan metode confidence interval membuktikan bahwa performa model stabil. Temuan ini menegaskan potensi integrasi YOLOv12 dan drone mikro sebagai sarana pemantauan varietas cabai secara presisi di lingkungan indoor farming, sekaligus membuka peluang penerapan inferensi langsung pada perangkat drone.