Semakin tinggi populasi, semakin tinggi pula kebutuhan pangan yang ada. Mengingat bahwa lahan, air, dan tenaga di bumi tersedia secara terbatas, diperkirakan bahwa efisiensi dari produktifitas industri agrikultur akan menurun sebesar 25 persen di tahun 2050. Karena itu, sangat penting bagi manusia untuk fokus menghadapi masalah yang dapat mempengaruhi produktifitas industri agrikultur. Manajemen hama dan gulma adalah salah satu aspek penting yang mempengaruhi produktifitas panen. Deteksi dan penanganan yang terlambat terhadap hama dan gulma akan memperburuk pertumbuhan tanaman panen, karena itu untuk mendeteksi hama ataupun gulma secepat mungkin merupakan masalah yang penting namun merepotkan bagi pelaku usaha di bidang agrikultur saat ini. Maka dari itu, tujuan dari penelitian ini adalah dapat mendeteksi keberadaan dari hama dan gulma berdasarkan citra yang diambil menggunakan kamera dengan memanfaatkan perkembangan teknologi Deep Learning dengan arsitektur YOLOV3.