Data: Dataset Daun Sintetis

Proyek ini memakai dataset daun sintetis 16x16 grayscale dua kelas yang dibangun oleh berkas generate_data.py, sehingga tidak memerlukan unduhan apa pun.

Cara data dibangun #

  • Kelas sehat (label 0): helai daun dengan pola vena rapi — vena tengah vertikal plus cabang diagonal simetris — serta noise sensor ringan.
  • Kelas berbintak (label 1): pola vena yang sama ditambah 1-4 bercak gelap bundar pada posisi yang ditentukan seed.
  • Seluruh angka acak berasal dari np.random.default_rng(42); dataset yang dihasilkan identik pada setiap eksekusi.
  • Sekitar 15 persen daun berbintak hanya memiliki satu bercak samar — kasus sulit yang sengaja dipertahankan agar analisis kesalahan pada Bagian 5 memiliki bahan nyata untuk dibedah.

Menjalankan generator #

bash 
python3 data/generate_data.py                  # 300 gambar -> /tmp/daun_sintetis.npz
python3 data/generate_data.py keluaran.npz     # tulis ke berkas lain

Berkas .npz berisi tiga array: X berbentuk (300, 16, 16) bertipe uint8, y berisi label 0/1, dan jumlah_bintak berisi metadata jumlah bercak per gambar (dipakai src/analisis_kesalahan.py).

Mengganti dengan dataset nyata #

Kode pada src/ tidak terikat pada data sintetis: selama Anda menyediakan array X berbentuk (N, 16, 16) uint8 beserta label y, seluruh pipeline tetap berjalan. Dataset foto daun nyata yang umum dipakai adalah PlantVillage — puluhan ribu foto daun berbagai jenis tanaman dan kondisi kesehatannya — yang tersedia di situs resmi PlantVillage . Bila memakai foto beresolusi besar, tambahkan tahap resize ke ukuran tetap dan samakan jumlah kanal warna (grayscale atau RGB) sebelum array masuk ke src/dataset.py.