|
การพัฒนาระบบคัดแยกระดับความสุกของฟักทองด้วยการผสานข้อมูลภาพและเสียงโดยใช้เทคนิคการเรียนรู้ของเครื่อง |
|---|---|
| รหัสดีโอไอ | |
| Creator | ฐานันดร มูลสาร |
| Title | การพัฒนาระบบคัดแยกระดับความสุกของฟักทองด้วยการผสานข้อมูลภาพและเสียงโดยใช้เทคนิคการเรียนรู้ของเครื่อง |
| Contributor | วิกรม วรรณสุทธิ์, ดนุ วิโรจน์อุไรเรือง |
| Publisher | Faculty of Engineering and Industrial Technology, Kalasin University |
| Publication Year | 2568 |
| Journal Title | วารสารวิศวกรรมและเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยกาฬสินธุ์ |
| Journal Vol. | 3 |
| Journal No. | 4 |
| Page no. | 59-75 |
| Keyword | ฟักทองอำพันธุ์ 342, โครงข่ายประสาทเทียม CNN, การจำแนกภาพและเสียง, Spectrogram, เทคนิคของเครื่อง |
| URL Website | https://ph03.tci-thaijo.org/index.php/JEIT |
| Website title | วารสารวิศวกรรมและเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยกาฬสินธุ์ |
| ISSN | ISSN 2985-0274 (Print),ISSN 2985-0282 (Online) |
| Abstract | 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 |
