Universitas Dian Nuswantoro melaksanakan studi mengenai penentuan metode augmentasi untuk Convolutional Neural Network (CNN) menggunakan algoritme FOX dalam klasifikasi citra ikan. Kegiatan ini melibatkan peneliti UDINUS Wahyudi, Firman; Soeleman, Moch Arief; Pramunendar, Ricardus Anggi; dan Andono, Pulung Nurtantio sebagai peserta. Studi tersebut membahas identifikasi spesies ikan secara otomatis dari citra digital. Identifikasi ini relevan dengan biologi konservasi, pengelolaan perikanan, dan penelitian biologi.
Kegiatan ini mempertimbangkan faktor-faktor yang memengaruhi pencapaian akurasi klasifikasi yang tinggi. Faktor tersebut meliputi jumlah dan kualitas data, metode pemrosesan citra, teknik ekstraksi fitur, algoritme klasifikasi, dan metode optimasi. UDINUS mengusulkan model CNN yang dioptimalkan menggunakan algoritme FOX untuk memilih metode augmentasi terbaik. Teknik augmentasi yang dipilih adalah Kmeans Color Quantization, Horizontal Flip, Voronoi, Elastic Transformation, dan Contrast Normalization.
Hasil studi menunjukkan akurasi pengenalan spesies ikan hingga 98,75% selama pelatihan. Model yang diusulkan juga mencapai akurasi validasi sebesar 96,90%. Sumber menyatakan bahwa hasil tersebut menunjukkan overfitting minimal dan kemampuan generalisasi yang kuat. Pendekatan ini memerlukan waktu pelatihan yang intensif, tetapi dinyatakan sangat efektif untuk aplikasi yang membutuhkan akurasi tinggi dan generalisasi yang baik. Sumber juga menyatakan bahwa pendekatan tersebut meningkatkan pemahaman dan pengelolaan ekosistem laut untuk mendukung praktik perikanan berkelanjutan. Kegiatan ini menyajikan penelitian UDINUS mengenai klasifikasi citra ikan, pemilihan metode augmentasi, dan penggunaan optimasi FOX dalam model CNN.