การประยุกต์ใช้เทคโนโลยีการเรียนรู้เชิงลึกเพื่อสร้างเว็บแอปพลิเคชันสำหรับวิเคราะห์โรคในใบข้าวโพด
คำสำคัญ:
โรคข้าวโพด, การประมวลผลภาพ, โมเดล YOLO, การเรียนรู้เชิงลึก, เว็บแอปพลิเคชันบทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาเว็บแอปพลิเคชันสำหรับการวิเคราะห์โรคในใบข้าวโพด โดยประยุกต์ใช้เทคโนโลยีการเรียนรู้เชิงลึกในลักษณะของ การตรวจจับวัตถุ (Object Detection) เพื่อระบุชนิดของโรคจากภาพถ่ายใบข้าวโพด ระบบที่พัฒนาขึ้นใช้สถาปัตยกรรม YOLOv11 สำหรับตรวจจับและจำแนกโรคในใบข้าวโพด 3 ชนิด ได้แก่ โรคราสนิมข้าวโพด โรคราน้ำค้าง และโรคใบไหม้ข้าวโพด ชุดข้อมูลที่ใช้ในการทดลองประกอบด้วยภาพใบข้าวโพดจำนวน 450 ภาพ โดยแบ่งข้อมูลสำหรับฝึกสอนและทดสอบโมเดลในอัตราส่วน 50:50 จาก Dataset มีขนาดจำกัดเน้นการนำไปใช้งานจริงมากกว่าต้องการความแม่นยำ เพื่อลดปัญหาการเกิด Overfitting ในส่วนการประเมินประสิทธิภาพของระบบใช้ตัวชี้วัด ได้แก่ Accuracy, Precision, Recall และ F1-Score
ผลการทดลองพบว่าโมเดลสามารถตรวจจับและจำแนกโรคในใบข้าวโพดได้อย่างมีประสิทธิภาพ โดยมีค่าความแม่นยำเฉลี่ยอยู่ในระดับที่น่าพอใจ และสามารถนำไปประยุกต์ใช้งานจริงผ่านเว็บแอปพลิเคชันได้แบบ Real-time งานวิจัยนี้แสดงให้เห็นถึงศักยภาพของการประยุกต์ใช้เทคโนโลยีการเรียนรู้เชิงลึกด้านการตรวจจับวัตถุในการสนับสนุนการวิเคราะห์โรคพืช และสามารถต่อยอดสู่การพัฒนาเกษตรแม่นยำในอนาคตได้
เอกสารอ้างอิง
Ahmad A., Saraswat D. & Gamal E A. (2022). A survey on using deep learning techniques for plant disease diagnosis and recommendations for development of appropriate tools. Computers an Electronics in Agriculture.https://www.sciencedirect.com/science/article/pii/S277237552200048X
Aldakheel, E. A., Zakariah, M., & Alabdalall, A. H. (2024). Detection and identification of plant leaf diseases using YOLOv4. Frontiers in Plant Science, 15, 1355941. doi: 10.3389/fpls.2024.1355941
Alhwaiti, Y., Khan, M., Asim, M., Siddiqi, M. H., Ishaq, M., & Alruwaili, M. (2025). Leveraging YOLO deep learning models to enhance plant disease identification.Scientific Reports, 15, 7969. doi: 10.1038/s41598-025-92143-0
Andrew, J., Eunice J., Popescu D., Chowdary, M., & Hemanth, J. (2022). Deep Learning-Based Leaf Disease Detection in Crops Using Pre-trained Models. Agronomy. 12, 2395.https://www.mdpi.com/2073-4395/12/10/2395
Askale, G.T., Yibel, A.B., Taye, B.M., &Wubneh, G.D. (2025). Mobile based deep CNN model for maize leaf disease detection and classification. Plant Methods, 21(72). https://doi.org/10.1186/s13007-025-01386-5
Cap, Q. H., Uga, H., Kagiwada, S., & Iyatomi, H. (2020). LeafGAN: An Effective Data Augmentation Method for Practical Plant Disease Diagnosis. arXiv. doi: 10.48550/arXiv.2002.10100
Fraiwan, M., Esraa, F., and Khasawneh, N. (2022). Classification of Corn Diseases from Leaf Images Using Deep Transfer Learning. Plants, 11(20), 2668. doi: 10.3390/plants11202668
Fu, Y., Gou, L., & Hung, F. (2024). A lightweight CNN model for pepper leaf disease recognition in a human palm background. Journal of Plant Protection and Resources. https://www.sciencedirect.com/ science/ article/pii/ S2405844024094787
Janruang, N., and Unartngam, P. (2018). Morphological and Molecular Based Identification of Corn Downy Mildew Distributed in Thailand. International Journal of Agricultural Technology, 14(6), 845–860. https://www.thaiscience.info/Journals/Article/IJAT/10992417.pdf
Jung, M., Song, J.S., Shin, A.Y., Choi, B., Go, S., Kwon, S., Park J., & Kim,Y.M. (2023). Construction of deep learning-based disease detection model in multiple crops. Scientific Reports. 13(7331). https://www.nature. com/articles/s41598-023-34549-2
Parez, S., Dilshad, N., Alghamdi, N. S., Alanazi, T. M., and Lee, J. W. (2023). Visual intelligence in precision agriculture: exploring plant disease detection via efficient vision transformers. Sensors, 23(15), 6949. https://doi.org/10.3390/s23156949
Sun, X., Li, G., Qu, P., Xie, X., Pan, X., & Zang, W. (2022). Research on plant disease identification based on CNN. Cognitive Robotics, (2), 155-163. doi: 10.1016/j.cogr.2022.07.001
Thakur, P. S., Khanna, P., Sheorey, T., & Ojha, A. (2022). Explainable vision transformer enabled convolutional neural network for plant disease identification: PlantXViT. arXiv. https://arxiv.org/abs/2207.07919
Zhang, Y., et al. (2024). An ensemble of deep learning architectures for accurate plant leaf disease classification. Computers and Electronics in Agriculture. https://doi.org/10.37936/ecti-cit.2024181.254501
Zhou, Z., et al. (2021). Plant diseases and pests detection based on deep learning: a review. Plant Methods. 17(22), https://doi.org/10.1186/s13007-021-00722-9
ศูนย์วิจัยข้าวโพดนครสวรรค์. (ม.ป.ป). (2567, 15 สิงหาคม). องค์ความรู้ข้าวโพดเลี้ยงสัตว์.https://www.doa.go.th /fc/nakhonsawan/?page_id=2321
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2026 อัศมเดช อินทชัย, ธนิรัตน์ ยอดดำเนิน, อนัน หยวกวัด, ปรีชาภรณ์ ขันบุรี
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
