การวิเคราะห์ระดับความสุกของกล้วยจากภาพถ่ายด้วยโมเดลสีอาร์จีบีและการเรียนรู้แบบมีผู้สอน
คำสำคัญ:
โมเดลสีอาร์จีบี, การวิเคราะห์ภาพ, การเรียนรู้แบบมีผู้สอน, กล้วย, ระดับความสุกบทคัดย่อ
งานวิจัยนี้มีจุดประสงค์พัฒนาขั้นตอนการวิเคราะห์ระดับความสุกของกล้วยจากภาพถ่ายด้วยโมเดลสี อาร์จีบีและการเรียนรู้แบบมีผู้สอน ซึ่งประกอบด้วย 3 ขั้นตอนหลัก คือ การได้มาซึ่งภาพ การระบุสีพิกเซล และการ วัดระดับความสุก โดยใช้โมเดลสีอาร์จีบีในการวิเคราะห์หาช่วงสีจากเปลือกกล้วยที่ได้จากภาพถ่าย และใช้การเรียนรู้ แบบมีผู้สอน 2 เทคนิค คือ ต้นไม้ตัดสินใจและการเรียนรู้เชิงลึกสร้างโมเดลระบุสีพิกเซล การทดลองประกอบด้วย 2 ส่วน คือ ส่วนสร้างโมเดลระบุสีพิกเซล ใช้กล้วยในการทดลอง 3 ชนิด คือ กล้วยหอม กล้วยน้ำว้า และกล้วยไข่ ซึ่งแต่ ละชนิดมี 2 ประเภท คือ กล้วยสุกและกล้วยดิบ ภาพแต่ละประเภทมี 20 ภาพ รวมภาพที่ใช้ในการทดลอง 120 ภาพ ประสิทธิภาพของโมเดลต้นไม้ตัดสินใจและการเรียนรู้เชิงลึกในขั้นตอนการฝึกให้ค่าความถูกต้อง 90.90 และ 98.62 และในขั้นตอนการทดสอบ ให้ค่าความถูกต้อง 93.57 และ 99.31 ตามล้าดับ ส่วนการวัดระดับความสุกของกล้วย ใช้กล้วย 3 ชนิด 2 ประเภท คือ กล้วยสุกและกล้วยงอม ภาพแต่ละประเภทมี 10 ภาพ รวมภาพที่ใช้ในการทดลอง 60 ภาพ โมเดลระบุสีพิกเซลสามารถวัดระดับความสุกได้ทั้งกล้วยสุกและกล้วยงอม มีค่าเฉลี่ยเลขคณิตระดับ ความสุกกล้วยหอมร้อยละ 94.40 กล้วยไข่วัดร้อยละ 93.31 และกล้วยน้ำว้าร้อยละ 81.04
References
เพ็ญจันทร์ สุทธานุกุล. (2558). ชุดโครงการวิจัยพัฒนาเทคโนโลยีการผลิตกล้วยเศรษฐกิจเพื่อเพิ่มปริมาณ ผลผลิตคุณภาพ คุณภาพผลผลิตและเพิ่มมูลค่าทางการตลาดกล้วย สืบค้นจาก http://www.doa.go.th/research/attachment.php?aid=2262
กล้วย. (ออนไลน์). สืบค้นจาก http://www.thai-explore.net/file_upload/submitter/file_doc/52b668a277413ae153aa3f12717a11d0.pdf
รพีพรรณ เทียมเดช. (2560). กล้วย :วัฏจักรวิถีชีวิตของคนไทย สืบค้นจาก http://hs.pbru.ac.th/journal/wp-content/uploads/2017/11/2560-1-5.pdf
การจำแนกพื้นที่ป่าไม้จากข้อมูลภาพถ่ายดาวเทียมไทยโชตโดยวิธีการเชิงวัตถุแบบ เงื่อนไขหลายหลักเกณฑ์ (ออนไลน์). สืบค้นข้อมูลจาก http://research.gistda.or.th/assets/uploads/pdfs/6b99f-11.-.pdf
ธวัช รวมทรัพย์. (2559) การจำแนกใบพืชโดยการใช้คุณลักษณะรูปทรงและพื้นผิวของใบพืชด้วย ขั้นตอน วิธีเชิงพันธุกรรม. วิทยาศาสตรมหาบัณฑิต (สาขาวิชาเทคโนโลยีสารสนเทศ), มหาวิทยาลัยศรีปทุม. กรุงเทพฯ
ปัญญาประดิษฐ์ กับการพยากรณ์ค่าจ้างแรงงานไทย (ออนไลน์). สืบค้นจาก http://ethesisarchive.library.tu.ac.th/thesis/2018/TU_2018_6004010374_9941_10208.pdf
AI กับความเป็นไปได้ทางสภาพอากาศของไทย. (ออนไลน์). สืบค้นจาก//medium.com/discovery/ai-กับความเป็นไปได้ทางสภาพอากาศของไทย-3d0bacc0e61f
อิว ไอยรากาญจนกุล. การประมวลผลภาพดิจิตอลเบื้องต้น. กรุงเทพฯ : โรงพิมพ์แห่งจุฬาลงกรณ์มหาวิทยาลัย, 2559
สมเกียรติ อุดมหรรษากุล. การประมวลผลภาพดิจิตอลเบื้องต้น. กรุงเทพฯ : ท้อป, 2554
สรรพฤทธิ์ มฤคทัต. การรู้จำรูปแบบและการเรียนรู้ของเครื่อง. กรุงเทพฯ: ห้างหุ้นส่วนจำกัด วาย.ซีเอช.มีเดีย, 2561.
ชลธิชา พินิจ และอรอุมา พร้าโมต. (กุมภาพันธ์ 2563) การวิเคราะห์คุณภาพข้าวไรซ์เบอร์รี่จากภาพถ่ายด้วยคุณลักษณะสี. รายงานสืบเนื่องจากการประชุมวิชาการระดับปริญญาตรีด้านคอมพิวเตอร์ภูมิภาคเอเชีย ครั้งที่ 8. มหาวิทยาลัยสวนดุสิต, 2563, หน้า. 1–10.
Fatma M. A. Mazen1 Ahmed A. Nashat, Ripeness Classification of Bananas Using an Artificial Neural Network. Arabian Journal for Science and Engineering., 2019, p.p. 6901–6910.
อภิศักดิ์ พรหมฝาย และ พิทักษ์ คล้ายชม. (เมษายน - มิถุนายน 2560). การจำแนกระดับความสุกทุเรียนพันธุ์หลงลับแลโดยการตรวจสอบระดับสีผิวเปลือกทุเรียนด้วยกระบวนการประมวลผลภาพ. วารสารวิจัย
และพัฒนา มจธ. ปีที่ 40 ฉบับที่ 2 เมษายน - มิถุนายน 2560.
ศศิน เทียนดี สุณัฎฐา วธัญญะกรรม ปรวี วงศ์สวัสดิ์สุริยะ และอรอุมา พร้าโมต. (สิงหาคม 2563) การคัดแยกความสุกดิบของกล้วยด้วยการเรียนรู้ของเครื่อง. รายงานสืบเนื่องจากการประชุมวิชาการ ครั้งที่ 4 มหาวิทยาลัยเกษตรศาสตร์ วิทยาเขตศรีราชา, 2563, หน้า. 1–10.
Downloads
เผยแพร่แล้ว
How to Cite
ฉบับ
บท
License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.