ระบบตรวจจับบุคคลอันตรายและแนะนำวิธีการหนี ภายในบริเวณโรงเรียนด้วยแพลตฟอร์ม CiRA CORE
คำสำคัญ:
ระบบตรวจจับบุคคลอันตราย, ปัญญาประดิษฐ์, แพลตฟอร์ม CiRA CORE, ขั้นตอนวิธีของไดกส์ตราบทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาและประเมินประสิทธิภาพของระบบตรวจจับบุคคลอันตรายและแนะนำวิธีการหนีภายในบริเวณโรงเรียนด้วยแพลตฟอร์ม CiRA CORE โดยประมวลผลภาพจากกล้องวงจรปิดด้วยโมเดล YOLO V4-tiny เพื่อตรวจจับอาวุธ และใช้อัลกอริทึม Dijkstra's คำนวณเส้นทางการหนีที่เหมาะสมที่สุด แสดงผลผ่านระบบแจ้งเตือนแบบทันท่วงที ผลการวิจัยพบว่า ตอนที่ 1 โมเดล YOLO V4-tiny มีประสิทธิภาพสูงด้านความเร็ว ประหยัดทรัพยากร และแม่นยำในการตรวจจับ ตอนที่ 2 อัลกอริทึม Dijkstra's มีประสิทธิภาพที่เหมาะสมในการคำนวณหาระยะทางที่สั้นที่สุดสำหรับเส้นทางหนี ตอนที่ 3 การทำงานร่วมกันระหว่างแพลตฟอร์ม CiRA CORE กับ Line Notify สามารถแจ้งตำแหน่งและเส้นทางหนีได้แม่นยำร้อยละ 100 ตอนที่ 4 การทำงานร่วมกันระหว่างแพลตฟอร์ม CiRA CORE กับเว็บแอปพลิเคชันระบุตำแหน่งและเส้นทางหนีได้ถูกต้องร้อยละ 100
เอกสารอ้างอิง
ทิชาลักษณ์ สุวรรณพฤกษ์. การเลือกเส้นทางปลอดภัยที่เหมาะสมที่สุด สำหรับการวางแผนการเดินทาง. [ออนไลน์] 2554. [สืบค้นวันที่ 25 สิงหาคม 2567]. จาก https://kb.psu.ac.th/psukb/handle/2010/7861
นิธิศักดิ์ โพธารามวรุตม. “เว็บแอปพลิเคชันระบบสนับสนุน
การตัดสินใจการเลือกเส้นทาง”. วารสารวิจัยสถาบัน มข. ปี
ที่ 4, ฉบับที่ (1 มกราคม - เมษายน 2559). หน้า 25-36.
Harsh Jain, Aditya Vikram, Mohana, Ankit Kashyap,
Ayush Jain. Weapon Detection using Artificial
Intelligence and Deep Learning for Security
Applications. [ออนไลน์] 2020. [สืบค้นวันที่ 3 ตุลาคม
จาก
https://www.researchgate.net/publication/34343
_Weapon_Detection_using_Artificial_Intelligen
ce_and_Deep_Learning_for_Security_Applications
CiRA AI. CiRA CORE คืออะไร. [ออนไลน์] 2566. [สืบค้น
วันที่ 2 ตุลาคม 2567]. จาก https://www.cira-ai.com
เบญจมาศ ปัญญางาม. บทที่ 11 กราฟ. [ออนไลน์]. [สืบค้น
วันที่ 2 ตุลาคม 2567]. จาก
https://www2.cs.science.cmu.ac.th/courses/
/lib/exe/fetch.php?media=graph.pdf
Thanyapisit Buaprakhong. Dijkstra’s algorithm คือ
อะไร?. [ออนไลน์]
[สืบค้นวันที่ 24 สิงหาคม 2567]. จาก
Pushan Mukhopadhyay. Floyd-Warshall Algorithm.
[ออนไลน์] 2023.
[สืบค้นวันที่ 3 ตุลาคม 2567] จาก
https://medium.com/@mukhopadhyaypushan42
/floyd-warshall-algorithm-7f09533b1878
Soumen Atta. Bellman-Ford Algorithm Tutorial with
Python Implementation. [ออนไลน์] 2024.
[สืบค้นวันที่ 3 ตุลาคม 2567] จาก
Kattilaxman. The A* Algorithm Explained. [ออนไลน์]
[สืบค้นวันที่ 25 พฤศจิกายน 2567] จาก
https://medium.com/@kattilaxman4/the-a-
algorithm-explained-9cdbce1c8f3c
Surapong Kunoktipsatharporn. ชื่อเรื่อง Object
Detection. [ออนไลน์] 2563. [สืบค้นวันที่ 2 ตุลาคม
. จาก
https://www.bualabs.com/archives/3453/what-is-
object-detection-tutorial-tensorflow-js-build-
object-detection-machine-learning-coco-ssd-tfjs-
ep-8/
รัตนโชติ พันธุ์วิไล. การตรวจหาต้นไม้เป็นโรคโดยอัตโนมัติ
ด้วยภาพถ่ายมุมสูงจากโดรนและวิธีการเรียนรู้เชิงลึก.
[ออนไลน์] 2562. [สืบค้นวันที่ 2 ตุลาคม 2567]. จาก
https://libdoc.dpu.ac.th/thesis/Rattanachot.Phw.
Roboflow. YOLO V4-tiny. [ออนไลน์] 2020. [สืบค้น
วันที่ 23 สิงหาคม 2567]. จาก
https://roboflow.com/model/yolov4-tiny
Gaudenz Boesch. YOLO V7: A Powerful Object
Detection
Algorithm (2024 Guide). [ออนไลน์] 2020. [สืบค้นวันที่
สิงหาคม 2567]. จาก https://viso.ai/deep-
learning/yolov7-guide/
Gitee. honggg/Yolo-Fastest. [ออนไลน์] 2020. [สืบค้น
วันที่ 24 สิงหาคม 2567]. จาก
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
หมวดหมู่
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2025 วารสารวิชาการวิทยาศาสตร์และวิทยาศาสตร์ประยุกต์
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความวิชาการ/บทความวิจัยที่ได้ตอบรับการตีพิมพ์ถือเป็นลัขสิทธิ์ของคณะวิทยาศาสตร์และเทคโนโลยีมหาวิทยาลัยราชภัฏอุตรดิตถ์
