Bagi pengelola perkebunan, informasi tersebut dapat membantu perencanaan penyulaman dan pemantauan perkembangan tanaman belum menghasilkan atau immature.
Penggunaan data citra juga memungkinkan proses sensus dilakukan secara berkala. Dengan demikian, perubahan kondisi tanaman dapat dibandingkan dari waktu ke waktu.
AI untuk Mengidentifikasi Kondisi Tanaman
Pada tanaman yang telah memasuki fase menghasilkan, pemanfaatan Vision AI dapat diperluas untuk mendukung pemantauan kesehatan tanaman.
BACA JUGA: BPDP, Ditjenbun, dan Koompasia Perkuat Kapasitas 60 Pekebun Aceh Singkil
Beberapa indikator yang dapat dianalisis melalui citra antara lain kondisi tajuk, jumlah pelepah, indikasi stres tanaman serta keberadaan gulma. Teknologi pengolahan citra juga dapat dikembangkan untuk mengenali gejala visual yang berkaitan dengan serangan hama maupun penyakit.
Salah satu contoh yang disebutkan adalah identifikasi gejala basal stem rot atau penyakit busuk pangkal batang.
Meski demikian, kemampuan sistem dalam mengenali penyakit sangat bergantung pada kualitas data pelatihan dan kondisi citra. Gejala yang memiliki kemiripan secara visual juga dapat menyebabkan kesalahan identifikasi sehingga pemeriksaan lapangan tetap diperlukan.
BACA JUGA: Impor Kedelai Pakistan dari AS Tembus 1 Juta Ton, Perdagangan Pertanian Makin Strategis
Pemanfaatan AI juga mulai diarahkan pada kegiatan yang berkaitan dengan estimasi produksi. Dua parameter yang dapat diolah menggunakan citra adalah Black Bunch Count (BBC) dan Angka Kerapatan Panen (AKP).
BBC digunakan untuk menghitung keberadaan tandan yang menjadi indikator potensi produksi mendatang. Sementara AKP merupakan salah satu parameter yang selama ini digunakan dalam kegiatan peramalan panen.
Jika pengumpulan data dilakukan secara berkala, hasil analisis dapat menjadi salah satu sumber informasi untuk memperbarui proyeksi produksi.
BACA JUGA: Stok Minyak Sawit Malaysia Juli 2026 Naik 3,32% Jadi 2,63 Juta Ton
“BBC dan AKP dapat menjadi bagian dari data yang diperbarui secara berkala sehingga proyeksi produksi tidak hanya mengacu pada perhitungan sebelumnya, tetapi juga mempertimbangkan kondisi tanaman terbaru,” kata Afa.
Konsep tersebut berkaitan dengan rolling forecast, yakni proses memperbarui proyeksi secara berkala berdasarkan informasi terbaru. Dalam perkebunan, perubahan proyeksi produksi dapat berpengaruh terhadap perencanaan tenaga kerja, transportasi, kegiatan panen dan kapasitas pengolahan.
Pada tahap panen dan penerimaan TBS, teknologi Vision AI dapat digunakan untuk membantu proses identifikasi kualitas buah.
BACA JUGA: Muncul Baragam Pertanyaan Terkait Kebijakan Ekspor Satu Pintu
Sistem pengolahan citra dapat dilatih untuk membedakan tingkat kematangan TBS, seperti buah mentah, matang dan lewat matang. Selain itu, teknologi dapat diarahkan untuk mengenali tandan busuk, janjang kosong maupun brondolan yang tertinggal di area pengumpulan.
Penggunaan teknologi tersebut berpotensi membantu menyediakan data pemeriksaan secara lebih seragam. Namun, tingkat akurasinya tetap perlu diuji terhadap kondisi nyata di lapangan karena kualitas gambar, pencahayaan, sudut pengambilan gambar dan karakteristik buah dapat memengaruhi hasil pengenalan. (T2)
