|
การตรวจจับวัตถุขนาดเล็กเพื่อจำแนกและตรวจจับไข่มดแดง |
|---|---|
| รหัสดีโอไอ | |
| Creator | ธรรมรัตน์ บุญรอด |
| Title | การตรวจจับวัตถุขนาดเล็กเพื่อจำแนกและตรวจจับไข่มดแดง |
| Contributor | สุขสันต์ พรมบุญเรือง, บัญชา เหลือผล, เสาวลักษณ์ จิตติมงคล, จุราวรรณ ภารสถิตย์ |
| Publisher | Faculty of Engineering and Industrial Technology, Kalasin University |
| Publication Year | 2569 |
| Journal Title | วารสารวิศวกรรมและเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยกาฬสินธุ์ |
| Journal Vol. | 4 |
| Journal No. | 4 |
| Page no. | 38-49 |
| Keyword | การจำแนก, ไข่มดแดง, การตรวจจับวัตถุขนาดเล็ก, โยโล่เวอร์ชัน11n |
| URL Website | https://ph03.tci-thaijo.org/index.php/JEIT |
| Website title | วารสารวิศวกรรมและเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยกาฬสินธุ์ |
| ISSN | ISSN 2985-0274 (Print),ISSN 2985-0282 (Online) |
| Abstract | งานวิจัยนี้มีวัตถุประสงค์เพื่อประยุกต์ใช้เทคนิคการตรวจจับวัตถุขนาดเล็กในการจำแนกและตรวจจับไข่มดแดงจากภาพถ่ายไข่มดแดงจากรังเทียม โดยมุ่งเน้นการเพิ่มความแม่นยำในการตรวจจับ เพื่อประมาณปริมาณไข่มดแดงร่วมกับแบบจำลองเชิงลึก YOLO เวอร์ชัน YOLOv11n ซึ่งเป็นวิธีการที่มีประสิทธิภาพในการตรวจจับวัตถุขนาดเล็ก วิธีการดำเนินงานวิจัยแบ่งเป็น 4 ขั้นตอนดังนี้ การเก็บรวบรวมข้อมูล การปรับปรุงภาพ การฝึกฝนข้อมูลและการทดสอบข้อมูล และการวัดประสิทธิภาพ ชุดข้อมูลที่ใช้ในการทดลองประกอบด้วยภาพไข่มดแดงจำนวน 47 ภาพ โดยแบ่งออกเป็นชุดฝึก32 ภาพ ชุดตรวจสอบ 9 ภาพ และชุดทดสอบ 6 ภาพ เป็นสัดส่วน (70:20:10) ตามลำดับ และมีการประยุกต์ใช้เทคนิคการเพิ่มข้อมูล (Data Augmentation) ได้แก่ การปรับขนาดภาพ การหมุนภาพ และการปรับค่าความสว่างและสี เพื่อเพิ่มความหลากหลายของข้อมูลและลดปัญหาการเรียนรู้เกิน (Overfitting) ผลการทดลองพบว่าแบบจำลองสามารถตรวจจับไข่มดแดง โดยมีค่าความแม่นยำ (Precision) เท่ากับ 0.66 และค่าการเรียกคืน (Recall) เท่ากับ 0.79 ค่าความแม่นยำเฉลี่ย (Mean Average Precision) ที่ค่า IoU เท่ากับ 0.5 (mAP@0.5) เท่ากับ 0.76 และค่า mAP@0.5:0.95 เท่ากับ 0.49 ผลการทดลองแสดงให้เห็นว่าแบบจำลองสามารถตรวจจับวัตถุขนาดใหญ่ได้ดีกว่าวัตถุขนาดเล็ก งานวิจัยนี้สามารถนำไปประยุกต์ใช้ในระบบเกษตรอัจฉริยะเพื่อช่วยในการตรวจจับและประเมินปริมาณไข่มดแดงได้ |
