ConvNeXtV2-Tiny · PyTorch · AI Diagnosis

Deteksi penyakit tanaman tebu dalam satu foto

Upload foto daun tebu yang bergejala. AI kami menganalisis dan mendiagnosa 5 kondisi penyakit secara instan — dari Red Rot hingga Mosaic — lengkap dengan rekomendasi penanganan.

Coba Sekarang — Gratis Lihat Demo

Kondisi Terdeteksi

<1s

Waktu Analisis

96%

Akurasi Model

100%

Gratis & Online

Akurasi

96.25%

Test dataset

Hasil Diagnosis ConvNeXtV2-Tiny

Gambar tebu

Terdeteksi

Red Rot

87.4%

Kepercayaan Model87.4%

Kritis Jamur C. falcatum

Waktu Proses

0.42s

CPU inference

Database Penyakit

5 kondisi yang terdeteksi

Informasi lengkap tentang setiap penyakit tebu yang dapat diidentifikasi oleh sistem.

Healthy

Sehat

Saccharum officinarum

Daun hijau segar, tampak sehat, pertumbuhan normal tanpa gejala penyakit apapun.

Red Rot

Kritis · Jamur

Colletotrichum falcatum

Perubahan warna merah pada jaringan daun, daun menguning dan layu. Penyakit jamur paling destruktif pada tebu.

Rust

Sedang · Jamur

Puccinia melanocephala

Pustul oranye-coklat di permukaan daun. Menyebar cepat melalui spora yang terbawa angin.

Yellow Leaf

Sedang · Virus

SCYLV (Luteovirus)

Menguningnya tulang daun utama. Ditularkan kutu daun — tidak ada fungisida efektif.

Mosaic

Sedang · Virus

Sugarcane Mosaic Virus (SCMV)

Pola mosaik kuning-hijau pada daun. Ditularkan kutu daun, menurunkan laju fotosintesis dan hasil panen.

Cara Kerja

Mudah dalam 4 langkah

Dari foto hingga diagnosis lengkap hanya dalam hitungan detik.

Ambil Foto

Foto daun tebu yang menunjukkan gejala penyakit dengan pencahayaan alami yang cukup.

Upload Gambar

Drag & drop, klik pilih file, atau paste dari clipboard dengan Ctrl+V.

Proses AI

ConvNeXtV2-Tiny memproses gambar melalui 224×224 dengan normalisasi ImageNet.

Terima Hasil

Diagnosis lengkap: nama penyakit, probabilitas, rekomendasi tindakan, dan info detail penyakit daun.

AI Diagnosis

Diagnosa tanaman tebu kamu

Upload foto daun tebu yang bergejala. Model AI akan menganalisis dan memberikan hasil lengkap dalam hitungan detik.

Input Gambar JPG · PNG · WebP · Kamera

Pilih atau drop foto

Foto daun tebu
yang menunjukkan gejala penyakit

JPGPNGWebP

Klik "Buka Kamera" untuk mulai
mengambil foto langsung dari kamera

— —

Jarak 20–30cm

Detail gejala terlihat jelas

Cahaya alami

Hindari flash langsung

Area bergejala

Fokus pada bercak/warna

Siap mendiagnosa

Upload foto tanaman tebu untuk memulai analisis AI ConvNeXtV2-Tiny

Diagnosa Terdeteksi

—

Kepercayaan

Probabilitas

Rekomendasi

Info Penyakit

—

Riwayat

Belum ada analisis sesi ini

Training History

Kurva Akurasi Training (6-Fold CV)

Visualisasi proses training ConvNeXtV2-Tiny dengan Stratified 6-Fold Cross Validation dan early stopping — fold terbaik (Fold 1) konvergen dalam 22 epoch pada dataset 2.521 foto (Kaggle, train+val) ditambah 434 foto uji lapangan.

Fold 1

Fold Terbaik

98.49% ± 0.58%

Rata-rata 6-Fold Val Acc

99.29%

Val Accuracy (Best Fold)

Total Epochs (Early Stop)

3e-5

Learning Rate (AdamW)

Akurasi per Epoch (Fold 1) — Hover untuk detail

Val Accuracy

Train Accuracy

Best Epoch: Epoch 17

K-Fold: 6-Fold CV

Batch Size: 16

Optimizer: AdamW + Cosine

Early Stopping: Patience 5

Performa Model

Akurasi tinggi pada dataset tebu

Model dilatih dengan Stratified 6-Fold Cross Validation dan diuji pada 434 foto lapangan menggunakan arsitektur ConvNeXtV2-Tiny.

96.25%

Test Accuracy

Jumlah Kelas

224px

Input Size

Tiny

Varian Model

Akurasi Per Kelas (Recall, Test Set)

Healthy93%

RedRot97%

Rust99%

Yellow96%

Mosaic97%

FAQ

Pertanyaan yang sering ditanyakan

Pertanyaan yang paling sering kami terima seputar penggunaan dan cara kerja SugarScan.

Apakah foto yang saya upload disimpan?

Tidak. Foto hanya diproses sementara oleh model AI untuk menghasilkan diagnosis, lalu langsung dihapus dari server secara otomatis. Kami tidak menyimpan, mencatat, atau membagikan foto yang kamu upload.

Seberapa akurat hasil diagnosisnya?

Model ConvNeXtV2-Tiny yang dilatih dengan 6-Fold Cross Validation mencapai test accuracy 96.25% (rata-rata validasi 98.49% ± 0.58% di seluruh fold, fold terbaik 99.29%). Akurasi tertinggi pada kelas Rust (99%) dan terendah pada Healthy (93%). Hasil terbaik didapat dengan foto berkualitas tinggi di cahaya alami.

Format gambar apa yang didukung?

JPG, PNG, dan WebP didukung penuh. Gambar diproses otomatis: resize ke 256×256, center crop ke 224×224, lalu normalisasi dengan mean ImageNet [0.485, 0.456, 0.406] dan std [0.229, 0.224, 0.225].

Bisakah digunakan untuk tanaman selain tebu?

Model ini dilatih khusus untuk penyakit tebu, tidak direkomendasikan untuk tanaman lain. Untuk tanaman berbeda, model perlu dilatih ulang dengan dataset yang sesuai menggunakan arsitektur ConvNeXtV2 yang sama.