masdenpur/seed_sacha_inchi

Seed Sacha Inchi Dataset

Deskripsi Dataset

Dataset ini berisi citra biji sacha inchi yang diklasifikasikan ke dalam dua kelas, yaitu bagus dan rusak. Dataset ini disusun untuk mendukung penelitian dan pengembangan model Computer Vision, khususnya pada tugas klasifikasi kualitas visual biji sacha inchi.

Kelas Dataset

Dataset terdiri dari dua kelas:

Label	Deskripsi
bagus	Citra biji sacha inchi dengan kondisi visual baik
rusak	Citra biji sacha inchi dengan kondisi visual rusak atau tidak layak

Struktur Dataset

data/
├── train/
│   ├── bagus/
│   └── rusak/
├── validation/
│   ├── bagus/
│   └── rusak/
└── test/
    ├── bagus/
    └── rusak/

data_nampan/
├── train/
│   ├── bagus/
│   └── rusak/
├── validation/
│   ├── bagus/
│   └── rusak/
└── test/
    ├── bagus/
    └── rusak/

Folder data/ berisi citra biji/crop untuk klasifikasi kualitas visual. Folder data_nampan/ berisi citra frame nampan yang berisi banyak biji dalam satu gambar.

Jumlah Data

Data Biji

Split	Bagus	Rusak	Total
train	336	336	672
validation	18	20	38
test	17	20	37
total	371	376	747

Data Nampan

Split	Bagus	Rusak	Total
train	74	24	98
validation	16	5	21
test	15	6	21
total	105	35	140

Potensi Penggunaan

Dataset ini dapat digunakan untuk:

• klasifikasi citra biji sacha inchi
• analisis kualitas visual biji
• pelatihan model machine learning atau deep learning
• eksperimen computer vision pada domain pertanian

Format Data

• Tipe data: gambar
• Format file: JPG
• Jumlah kelas: 2
• Kelas: bagus dan rusak
• Domain: pertanian / computer vision

Augmentasi

Augmentasi diterapkan hanya pada split train untuk memperbanyak variasi data latih tanpa mencemari data evaluasi pada split validation dan test.

Teknik augmentasi yang digunakan meliputi:

• rotasi ringan
• horizontal flip
• zoom/crop ringan
• penyesuaian brightness
• penyesuaian contrast
• penyesuaian color
• penyesuaian sharpness
• blur ringan pada sebagian varian

Catatan

Label pada data_nampan/ adalah label level gambar/nampan, bukan anotasi bounding box per biji. Untuk kebutuhan deteksi biji rusak pada conveyor, dataset nampan masih perlu ditambah anotasi lokasi biji dengan format object detection atau instance segmentation.

Dataset ini dapat dikembangkan lebih lanjut dengan penambahan jumlah data, metadata pengambilan gambar, kondisi pencahayaan, resolusi citra, dan detail metode anotasi.