การคัดแยกคุณภาพของปลาตะเพียนขาวด้วยวิธีการเรียนรู้เชิงลึกและแชทบอทสำหรับการวิเคราะห์ภาพถ่าย
DOI:
https://doi.org/10.14456/jeit.2024.23คำสำคัญ:
การคัดแยกคุณภาพปลา, การเรียนรู้เชิงลึก, การประมวลผลภาพ, แชทบอทบทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อ แก้ไขข้อจำกัดของการคัดแยกคุณภาพปลาตะเพียนขาวด้วยสายตามนุษย์ ซึ่งมีความแม่นยำจำกัดและไม่สม่ำเสมอ โดยพัฒนาโมเดลการเรียนรู้เชิงลึกเพื่อเพิ่มประสิทธิภาพในการคัดแยกคุณภาพปลาโดยอาศัยการวิเคราะห์ภาพถ่าย โมเดลที่ใช้คือโครงข่ายประสาทเทียมแบบคอนโวลูชัน (CNN) ที่ถูกฝึกด้วยชุดข้อมูลภาพถ่ายจำนวน 700 ภาพที่เก็บรวบรวมในระยะเวลา 7 วัน โดยมีการใช้ตัวเพิ่มประสิทธิภาพ ADAM ในการปรับพารามิเตอร์ระหว่างการฝึก เพื่อเพิ่มความแม่นยำในการจำแนกภาพ นอกจากนี้ยังได้พัฒนาแชทบอทผ่านแอปพลิเคชัน Line เพื่ออำนวยความสะดวกในการตรวจสอบคุณภาพปลาแบบเรียลไทม์ ผลการวิจัยแสดงให้เห็นว่า โมเดลที่พัฒนาสามารถจำแนกคุณภาพปลาได้ด้วยความแม่นยำสูงถึงร้อยละ 98.12 ซึ่งแสดงถึงศักยภาพในการนำไปประยุกต์ใช้ในอุตสาหกรรมการประมงได้อย่างมีประสิทธิภาพ
References
[1] กรมประมง, "รายงานสถานการณ์การผลิตสัตว์น้ำในประเทศไทย ปี 2563," กรมประมง, กรุงเทพฯ, 2563.
[2] สุทธิวัฒน์ เบญจกุล, "การตรวจสอบคุณภาพสัตว์น้ำ," มหาวิทยาลัยสงขลานครินทร์, สงขลา, 2548.
[3] A. Krizhevsky, I. Sutskever, and G. Hinton, "ImageNet Classification with Deep Convolutional Neural Networks," Proceedings of the Neural Information Processing Systems (NIPS), 2012.
[4] Y. Lecun, L. Bottou, Y. Bengio, and P. Haffner, "Gradient-Based Learning Applied to Document Recognition," Proceedings of the IEEE, 1998.
[5] F. Chollet, Deep Learning with Python, O'Reilly Media, United States, 2018.
[6] T. Li and X. Zhang, "Deep Learning for Fish Species Classification," Marine Technology Journal, 2022.
[7] A. Jain and B. Kamath, "Applications of Computer Vision in Object Detection," International Journal of Computer Science, 2020.
[8] P. He and S. Li, "Convolutional Neural Network for Image Classification," Location not specified, 2019.
[9] D. Kingma and J. Ba, "ADAM: A Method for Stochastic Optimization," International Conference on Learning Representations (ICLR), 2015.
[10] Line Corporation, "Line Messaging API documentation," Line Corporation, Japan, 2023.
[11] X. Wang, "Applications of Deep Learning in Aquaculture," Aquatic Science Review, 2023.
[12] G. Huang, Z. Liu, L. Van Der Maaten, and K. Q. Weinberger, "Densely Connected Convolutional Networks," IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2017.
[13] K. Simonyan and A. Zisserman, "Very Deep Convolutional Networks for Large-Scale Image Recognition," International Conference on Learning Representations (ICLR), 2015.
[14] R. Girshick, "Fast R-CNN," International Conference on Computer Vision (ICCV), 2015.
[15] O. Russakovsky et al., "ImageNet Large Scale Visual Recognition Challenge," International Journal of Computer Vision (IJCV), 2015.
Downloads
เผยแพร่แล้ว
How to Cite
ฉบับ
บท
หมวดหมู่
License
Copyright (c) 2024 วารสารวิศวกรรมและเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยกาฬสินธุ์
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
ลิขสิทธิ์ของวารสาร
เนื้อหาและข้อมูลในบทความที่ลงตีพิมพ์ในวารสารศูนย์ดัชนีการอ้างอิงวารสารไทย ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรงซึ่งกองบรรณาธิการวารสาร ไม่จำเป็นต้องเห็นด้วย หรือร่วมรับผิดชอบใด ๆ
บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารศูนย์ดัชนีการอ้างอิงวารสารไทย ถือเป็นลิขสิทธิ์ของวารสารศูนย์ดัชนีการอ้างอิงวารสารไทย หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนหนึ่งส่วนใดไปเผยแพร่ต่อหรือเพื่อกระทำการใด จะต้องได้รับอนุญาตเป็นลายลักอักษรจากวารสารศูนย์ดัชนีการอ้างอิงวารสารไทยก่อนเท่านั้น
