INOVASI DEEP LEARNING DALAM HATCHERY: Klasifikasi Embrio Telur Bebek Melalui Pengolahan Citra Candling
Keywords:
Deep Learning, Hatchery, Telur Bebek, Citra CandlingSynopsis
Candling sebagai teknik tradisional memang telah digunakan selama puluhan tahun, namun ketergantungannya pada pengalaman operator membuat proses ini rentan terhadap kesalahan identifikasi, terutama pada fase awal perkembangan embrio yang ditandai pola visual halus dan kontras rendah. Dalam konteks industri penetasan berskala besar, kesalahan dalam membedakan telur fertil dan infertil dapat menimbulkan konsekuensi serius, seperti inefisiensi penggunaan ruang inkubator, peningkatan risiko kontaminasi, serta kerugian finansial akibat menurunnya tingkat keberhasilan penetasan. Tantangan inilah yang menjadi dasar pentingnya inovasi berbasis teknologi untuk meningkatkan kualitas proses seleksi telur secara lebih ilmiah, konsisten, dan terstandar. Buku ini disusun untuk memberikan landasan teoretis, metodologis, sekaligus aplikasi praktis terkait bagaimana teknologi deep learning khususnya model deteksi objek generasi terbaru seperti YOLOv11 dapat dimanfaatkan dalam mengotomatisasi proses identifikasi embrio melalui citra candling. Dengan pendekatan ini, proses deteksi embrio dapat dilakukan secara cepat, presisi, dan objektif tanpa ketergantungan pada persepsi visual manusia. Penggabungan teknik preprocessing citra seperti CLAHE (Contrast Limited Adaptive Histogram Equalization) dengan kemampuan ekstraksi fitur multi-skala dari YOLOv11 menghasilkan sistem yang mampu menangani kompleksitas visual citra candling, mulai dari variasi pencahayaan, noise, hingga struktur embrio berukuran kecil yang sulit terlihat secara kasat mata. Selain memaparkan konsep deep learning dan visi komputer secara komprehensif, buku ini juga menyajikan rangkaian proses penelitian mulai dari akuisisi dataset, pelabelan citra, desain eksperimen, pelatihan model, evaluasi performa, hingga implementasi sistem deteksi otomatis.
Downloads
Download data is not yet available.
References
Abd El-Hack, M. E., Hurtado, C. B., Toro, D. M., Alagawany, M., Abdelfattah, E. M., & Elnesr, S. S. (2019). Fertility and hatchability in duck eggs. World’s Poultry Science Journal, 75(4), 599–608. https://doi.org/10.1017/S0043933919000060
Aini, Q., Lutfiani, N., Kusumah, H., & Zahran, M. S. (2021). Deteksi dan Pengenalan Objek Dengan Model Machine learning: Model Yolo. CESS (Journal of Computer Engineering, System and Science), 6(2), 192. https://doi.org/10.24114/cess.v6i2.25840
Apriliansah, Y., Kurniawan, E., & Vidyastari, R. I. (2023). Rancang Bangun Alat Deteksi Fertilitas Telur Unggas Berbasis Image Processing. Digital Transformation Technology (Digitech), 3(1), 270–278. https://jurnal.itscience.org/index.php/digitech/ article/view/2624/2124
Astuti, R., Rismawan, T., & Suhery, C. (2025). Rancang Bangun Pemilah Telur Fertil dan Infertil Pada Telur Bebek Menggunakan Sensor Infrared dan Image Processing. Coding: Jurnal Komputer dan Aplikasi, 13(1), 13–24. https://doi.org/10.26418/coding.v13i1.88332
Ghaderi, M., Mireei, S. A., Masoumi, A., Sedghi, M., & Nazeri, M. (2024). Fertility detection of unincubated chicken eggs by hyperspectral transmission imaging in the Vis-SWNIR region. Scientific Reports, 14(1), 1–14. https://doi.org/10.1038/s41598-024-51874-2
Hidayat, T., & Nuralam, N. (2020). Prototype Machine Vision Untuk Pemilah Kualitas Telur Bebek Berbasis Image Processing. Faktor Exacta, 13(1), 54. https://doi.org/10.30998/faktorexacta.v 13i1.5318
Huda, M. M., Prasetyo, K. A., Ariel, M., & Vieri, R. (2025). Identifikasi Mangga Berdasarkan Tingkat Kematangan Menggunakan Yolo 11. 4, 175–182.
Indra, J., Agani, N., & Handayani, H. (2018a). Klasifikasi Fertilitas Telur Itik dengan Pengolahan Citra Digital menggunakan Raspberry PI. Jurnal Ilmu Komputer dan Teknologi Informasi, 3(2), 68–76. https://i.ytimg.com/vi/_lY74pXWlS8/maxresdefault.jpg
Indra, J., Agani, N., & Handayani, H. H. (2018b). KLASIFIKASI FERTILITAS TELUR ITIK DENGAN PENGOLAHAN CITRA DIGITAL MENGGUNAKAN RASPBERRY PI. Techno Xplore Jurnal Ilmu Komputer dan Teknologi Informasi, 3(2), 68–76.
Irfan, A. A. F. N. (2024). Indonesia Produksi 358 Ribu Ton Telur Itik di 2023. data.goodstats.id. https://data.goodstats.id/statistic/ indonesia-produksi-358-ribu-ton-telur-itik-di-2023-p6xJz
Jalal, A., Salman, A., Mian, A., Ghafoor, S., & Shafait, F. (2025). DeepFins: Capturing dynamics in underwater videos for fish detection. Ecological Informatics, 86(January), 103013. https://doi.org/ 10.1016/j.ecoinf.2025.103013
Jiang, T., Zhou, J., Xie, B., Liu, L., Ji, C., Liu, Y., Liu, B., & Zhang, B. (2024). Improved YOLOv8 Model for Lightweight Pigeon Egg Detection. Animals, 14(8), 1–18. https://doi.org/10.3390/ani14081226
Kamil, M. A., & Djaksana, Y. M. (2024). PERBANDINGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK ( CNN ) DAN ALGORITMA YOU ONLY LOOK ONCE ( YOLO ) UNTUK DETEKSI WAJAH COMPARISON OF CONVOLUTIONAL NEURAL NETWORK ( CNN ) ALGORITHM AND YOU ONLY LOOK ONCE ( YOLO ) ALGORITHM FOR JIIC : JURNAL INTELEK INSA. JIIC: JURNAL INTELEK INSAN CENDIKIA, November.
Khanam, R., & Hussain, M. (2024). YOLOv11: An Overview of the Key Architectural Enhancements. 2024, 1–9. http://arxiv.org/abs/ 2410.17725
Li, Q., Zhou, W., Wang, Q., & Fu, D. (2023). Research on Online Nondestructive Detection Technology of Duck Egg Origin Based on Visible/Near-Infrared Spectroscopy. Foods, 12(9). https://doi.org/10.3390/foods12091900
Nafis Alfarizi, D., Agung Pangestu, R., Aditya, D., Adi Setiawan, M., & Rosyani, P. (2023). Penggunaan Metode YOLO Pada Deteksi Objek: Sebuah Tinjauan Literatur Sistematis. Jurnal Artificial Inteligent dan Sistem Penunjang Keputusan, 1(1), 54–63. https://jurnalmahasiswa.com/index.php/aidanspk
Ningsih, S. A., Sutiani, R. A., Made, N., Ulandari, S., Saputra, R. A., Informatika, T., Teknik, F., & Oleo, U. H. (2024). Penerapan algoritma yolo untuk mendeteksi kualitas telur ayam berdasarkan warna cangkang. 10(2), 35–39.
Nurhakiki, J., Yahfizham, Y., William, J., Ps, I. V, Estate, M., Percut, K., Tuan, S., & Serdang, K. D. (2024). Studi Kepustakaan: Pengenalan 4 Algoritma Pada Pembelajaran Deep learning Beserta Implikasinya. Jurnal Pendidikan Berkarakter, 1, 270–281. https://doi.org/10.51903/pendekar.v2i1.598
Paloloang, M. F. A. B., Lapatta, N. T. T., Yazdi, M., & Anshori, Y. (2025). Identifikasi Telur Ayam Fertil dan Infertil Melalui Citra Candling Menggunakan Algoritma Vision Transformer. JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), 10(3), 2079–2089. https://doi.org/10.29100/jipi.v10i3.6298
Perkasa, B. R., Sularsa, A., & Pratondo, A. (2022). Implementasi Klasifikasi Citra Untuk Mendeteksi Embrio Bebek Pada Aplikasi Mobile Menggunakan Artificial Intelligence Image Classification Implementation for Detecting Duck Embryos on Mobile Application With Artificial Intelligence. e-Proceeding of Applied Science, 8(1), 1–7.
Pradana, A. I. (2024). Deteksi Rambu Lalu Lintas Real-Time di Indonesia dengan Penerapan YOLOv11 : Solusi Untuk Keamanan Berkendara. 145–155. https://doi.org/10.33364/algoritma/v.21-2.2106
Putri Lestari, Pradipta Bayu Aji Pramono, & Mikael Sihite. (2021). Pengaruh Letak Telur terhadap Persentase Daya Hidup Embrio, Lama Menetas dan Gagal Menetas. Prosiding Seminar Nasional Pembangunan dan Pendidikan Vokasi Pertanian, 2(1), 177–185. https://doi.org/10.47687/snppvp.v2i1.185
Ramadhan, I., Rahul Isbar, M., Abidin, Z., & Pangerang, F. (2021). Rancang Bangun Pendeteksi dan Penyortir Telur Ayam Infentril dan Fertil. Prosiding 5th Seminar Nasional Penelitian & Pengabdian Kepada Masyarakat, 134–138.
Sujana, N., Mutoffar, M. M., & Haryanto, A. A. (2024). UNTUK DETEKSI EKSPRESI WAJAH EMOSIONAL. 06(02), 115–124.
Wei, W., Huang, Y., Zheng, J., Rao, Y., Wei, Y., & Tan, X. (2025). YOLOv11-based multi-task learning for enhanced bone fracture detection and classification in X-ray images. Journal of Radiation Research and Applied Sciences, 18(1), 101309. https://doi.org/ 10.1016/j.jrras.2025.101309
Zhao, Q., Ban, L., Zheng, J., Xu, G., Ning, Z., & Qu, L. (2019). Potential use of spectroscopic techniques for assessing table eggs and hatching eggs. World’s Poultry Science Journal, 75(3), 445–456. https://doi.org/10.1017/s0043933919000424
Published
December 15, 2025
Categories
Copyright (c) 2025 Sada Kurnia Pustaka
License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Details about the available publication format: PDF
PDF
