Loading repository data…
Loading repository data…
AzzikraPraqastaKusuma123 / repository
Proyek ini adalah aplikasi web full-stack yang dirancang untuk deteksi otomatis penyakit pada daun padi. Pengguna dapat mengunggah gambar daun padi, dan sistem akan menganalisisnya menggunakan model machine learning yang telah dilatih sebelumnya.
A transparent discovery signal based on current public GitHub metadata.
This score does not audit code, security, maintainers, documentation quality, or suitability. Verify the repository and its current documentation before adoption.
Proyek ini adalah aplikasi web full-stack yang dirancang untuk deteksi otomatis penyakit pada daun padi. Pengguna dapat mengunggah gambar daun padi, dan sistem akan menganalisisnya menggunakan model machine learning yang telah dilatih sebelumnya. Aplikasi ini menyediakan informasi rinci tentang penyakit yang terdeteksi, termasuk deskripsi, metode pencegahan, dan rekomendasi kaya yang dihasilkan secara dinamis oleh Google Gemini API.
Frontend (Aplikasi React):
Backend (API Node.js & Express.js):
multer untuk unggahan gambar yang efisien.onnxruntime-node.Model Machine Learning:
best_resnet50v2.onnx) yang dioptimalkan untuk klasifikasi penyakit daun padi.Frontend:
Backend:
Basis Data:
Machine Learning:
Petunjuk ini akan membantu Anda mendapatkan salinan proyek yang berjalan di mesin lokal Anda untuk tujuan pengembangan dan pengujian.
1. Kloning repositori:
git clone https://github.com/your-username/Deteksi-Otomatis-Penyakit-Daun-Padi.git
cd Deteksi-Otomatis-Penyakit-Daun-Padi
2. Penyiapan Backend:
Navigasi ke direktori backend dan instal dependensi:
cd backend
npm install
Buat file .env di direktori backend dan konfigurasikan basis data serta kunci rahasia JWT Anda:
DB_HOST=localhost
DB_USER=root
DB_PASSWORD=your_mysql_password
DB_NAME=db_padi_guard
JWT_SECRET=your_jwt_secret_key
GEMINI_API_KEY=your_google_gemini_api_key
Impor file db_padi_guard.sql (terletak di backend/sql/) ke basis data MySQL Anda.
Mulai server backend:
npm start
Server backend akan berjalan di http://localhost:5000 (atau port yang Anda konfigurasikan).
3. Penyiapan Frontend:
Buka terminal baru, navigasi ke direktori frontend dan instal dependensi:
cd frontend
npm install
Mulai server pengembangan frontend:
npm run dev
Aplikasi frontend akan terbuka di browser Anda, biasanya di http://localhost:5173.
4. Model Machine Learning:
Pastikan model best_resnet50v2.onnx ditempatkan di direktori model/ di root proyek. Backend akan memuat model ini saat startup.
Proyek ini dilisensikan di bawah Lisensi MIT - lihat file LICENSE untuk detailnya. (Catatan: File LICENSE saat ini tidak ada dalam struktur proyek, ini adalah placeholder.)