การพัฒนาระบบคัดแยกระดับความสุกของฟักทองด้วยการผสานข้อมูลภาพและเสียงโดยใช้เทคนิคการเรียนรู้ของเครื่อง
DOI:
https://doi.org/10.14456/jeit.2025.20คำสำคัญ:
ฟักทองอำพันธุ์ 342, โครงข่ายประสาทเทียม CNN, การจำแนกภาพและเสียง , Spectrogram, เทคนิคของเครื่องบทคัดย่อ
ฟักทองเป็นพืชเศรษฐกิจที่มีความต้องการสูง แต่การประเมินระดับความสุกยังคงเป็นปัญหา เนื่องจากเกษตรกรส่วนใหญ่ขาดความชำนาญ และกระบวนการคัดแยกแบบดั้งเดิมใช้เวลานาน งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาระบบจำแนกระดับความสุกของฟักทองพันธุ์อำพัน 342 โดยใช้ค่าความหวาน (Brix) จากตัวอย่าง 30 ตัวอย่าง แบ่งเป็น 3 ระดับ ได้แก่ ดิบ สุก และสุกเกิน โดยเก็บข้อมูลภาพและเสียงมาใช้ฝึกโมเดลโครงข่ายประสาทเทียมแบบคอนโวลูชัน (CNN) ผลการทดลองพบว่า โมเดลที่ใช้ภาพเพียงอย่างเดียวให้ค่า F1-Score เท่ากับ 0.84 และ Sensitivity เท่ากับ 0.85 ขณะที่โมเดลที่ใช้เสียงเพียงอย่างเดียวให้ค่า F1-Score เท่ากับ 0.87 และ sensitivity เท่ากับ 0.85 สำหรับโมเดลที่รวมข้อมูลภาพและ Spectrogram ให้ผลลัพธ์ดีที่สุด โดยมีค่า F1-Score เท่ากับ 0.93 และ Sensitivity เท่ากับ 0.92 ชุดข้อมูลที่ใช้ในการทดลองประกอบด้วยภาพจำนวน 900 ภาพ (สำหรับทดสอบ 150 ภาพ) ไฟล์เสียง 900 ไฟล์ (สำหรับทดสอบ 150 ไฟล์) และข้อมูลแบบรวมภาพ-สเปกโตรแกรม 1,800 รายการ (สำหรับทดสอบ 300 รายการ) ข้อจำกัดของงานวิจัยนี้คือขนาดของชุดข้อมูลที่ยังไม่ใหญ่มาก และความไวของข้อมูลเสียงต่อสภาพแวดล้อม อย่างไรก็ตาม ระบบที่พัฒนาขึ้นมีศักยภาพในการประยุกต์ใช้จริงภาคสนาม เพื่อเพิ่มความแม่นยำและลดความสูญเสียจากการคัดแยกแบบใช้แรงงานคน
เอกสารอ้างอิง
[1] ระบบสารสนเทศการผลิตทางด้านเกษตร (รต.) กรมส่งเสริมการเกษตร, "รายงานสถานการณ์การปลูกฟักทอง ปี 2562," [ออนไลน์]. Available: https://production.doae.go.th. [เข้าถึงเมื่อ: 16 ก.ค. 2568].
[2] A. Amna, M. W. Akram, G. Li, M. Z. Akram, M. Faheem, M. M. Omar, and M. G. Hassan, “Machine vision-based automatic fruit quality detection and grading,” Front. Agr. Sci. Eng., vol. 12, no. 2, pp. 274–287, 2025, doi: 10.15302/J-FASE-2023532.
[3] เอกรัตน์ สุขสุคนธ์, ชลทิศ สันติวงศ์งาม, วัชรพล คําแขก, และ ศศิชา ปานสุวรรณ, "การวิเคราะห์การสุกของผลไม้ด้วยเทคโนโลยีการประมวลผล," วารสารวิทยาศาสตร์และเทคโนโลยีสารสนเทศ, ปีที่ 12, ฉบับที่ 1, หน้า 61-66, 2565.
[4] ศุภกร ชูประภาวรรณ, "การลดเสียงรบกวนของภาพสำหรับเสียงรบกวนแบบเกาส์เซียนโดยใช้การเรียนรู้เชิงลึกและฟีเจอร์ขอบ," วิทยานิพนธ์, จุฬาลงกรณ์มหาวิทยาลัย, 2561. [ออนไลน์]. Available: Chula ETD, No. 3276.
[5] บงการ หอมนาน และวาทิต เบญจพลกุล, "การจำแนกภาพแบบฟังก์ชันเชิงเส้นการปรับเทียบฮีสโตแกรมผูกพันบนพื้นฐานทฤษฎีอัตสารสนเทศและขั้นตอนวิธีการจัดกลุ่มค่าเฉลี่ยกลุ่มแบบฟัซซีในการส่งสารสนเทศ," วารสารสุทธิปริทัศน์, ปีที่ 27, ฉบับที่ 4, หน้า 105-115, ต.ค. 2566 – ม.ค. 2567.
[6] "File:Spectrogram," Wikimedia Commons, CC BY-SA 3.0. [ออนไลน์]. Available: https://commons.wikimedia.org/w/index.php?curid=202335. [Accessed: 12 Mar. 2024].
[7] J. A. Benitez-Andrades, "How to cite electronic documents," 2020. [ออนไลน์]. Available: https://miro.medium.com/v2/resize:fit:720/format:webp/1*7kRxfXK4J-wCR2l8G1Jtuw.png. [Accessed: Feb. 2020].
[8] จานุลักษณ์ ขนบดี, สุภาวดี ตั้งธีระวัฒนะ, และ ศิริพร มุลาลินน์, "เรื่องสายพันธุ์ฟักทองคุณภาพสูง," ใน เอกสารประชุมทางวิชาการของมหาวิทยาลัยเกษตรศาสตร์ ครั้งที่ 41: สาขาพืช สาขาส่งเสริมและนิเทศศาสตร์เกษตร, กรุงเทพฯ, 2546, หน้า 64-69.
[9] N. A. Ayunda, E. Haryatmi, and T. A. Riyadi, “Classification of Tomato Ripeness Based on Convolutional Neural Network Methods,” J. Inf. Syst. Informatics, vol. 5, no. 4, 2023, doi: 10.51519/journalisi.v5i4.613.
[10] K.-E. Ko, S.-H. Yang, and I.-H. Jang, “Real-Time Tomato Ripeness Classification System based on Deep Learning Model for Object Detection,” J. Inst. Control, Robot. Syst., vol. 24, no. 11, pp. 999–1004, Nov. 2018, doi: 10.5302/J.ICROS.2018.18.0166.
[11] มันตรินี ถิ่นรัศมี และ เยาวรัตน์ จำปา, "การคัดแยกระดับความสุกของทุเรียนด้วยการเรียนรู้ของเครื่อง," วารสารวิจัยวิทยาศาสตร์และเทคโนโลยี, ปีที่ 26, ฉบับที่ 4, หน้า 105-115, 2564.
[12] เวียงชัย คาระมาตย์, "การพัฒนาแอพพลิเคชั่นสำหรับการจำแนกความสุกของทุเรียนจากเสียงเคาะโดยใช้เครือข่ายประสาทเทียมแบบคอนโวลูชั่น," Chulalongkorn University Theses and Dissertations (Chula ETD), No. 9605, 2563.
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
หมวดหมู่
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2025 วารสารวิศวกรรมและเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยกาฬสินธุ์
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
ลิขสิทธิ์ของวารสาร
เนื้อหาและข้อมูลในบทความที่ลงตีพิมพ์ในวารสารศูนย์ดัชนีการอ้างอิงวารสารไทย ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรงซึ่งกองบรรณาธิการวารสาร ไม่จำเป็นต้องเห็นด้วย หรือร่วมรับผิดชอบใด ๆ
บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารศูนย์ดัชนีการอ้างอิงวารสารไทย ถือเป็นลิขสิทธิ์ของวารสารศูนย์ดัชนีการอ้างอิงวารสารไทย หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนหนึ่งส่วนใดไปเผยแพร่ต่อหรือเพื่อกระทำการใด จะต้องได้รับอนุญาตเป็นลายลักอักษรจากวารสารศูนย์ดัชนีการอ้างอิงวารสารไทยก่อนเท่านั้น
