การจำแนกพันธุ์ข้าวจากภาพของเมล็ดข้าวสารด้วยวิธีการตรวจหาวัตถุ
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้ได้ประยุกต์ใช้วิธีการตรวจหาวัตถุด้วยตัวแบบ YOLOv5 มาช่วยในการจำแนกพันธุ์ข้าวจากภาพของเมล็ดข้าวสารของพันธุ์ข้าวคาราก้าดาก หอมมะลิ ยิปซาลา บาสมาติ และอาโบริโอ การดำเนินการวิจัยได้แบ่งเป็นสามส่วนหลัก ได้แก่ การดำเนินการด้านวิศวกรรมข้อมูล ซึ่งเป็นการพัฒนาโปรแกรมด้วยภาษาไพทอนเพื่อใช้ในการจัดเตรียมข้อมูลเพื่อให้ระบบปัญญาประดิษฐ์เรียนรู้การดำเนินการด้านวิทยาการข้อมูลโดยใช้โปรแกรมภาษาไพทอนร่วมกับระบบประมวลผล Google Colaboratory ทำการตรวจหาเมล็ดข้าวสาร และออกแบบการประเมินความแม่นยำของตัวแบบ ในส่วนของการจัดเตรียมข้อมูลได้นำรูปเมล็ดข้าวสารเมล็ดเดี่ยวชนิดเจเพ็กจาก https://www.muratkoklu.com/datasets/ มาทำการลดสัญญาณรบกวน กำจัดพื้นหลัง และแปลงเป็นภาพชนิดพีเอ็นจี แล้วนำมาใส่ในภาพขนาด 800 x 800 จุดภาพ จำนวนภาพละ 20–64 เมล็ด โดยมีทั้งรูปแบบไม่มีภาพเมล็ดข้าวสารซ้อนทับกัน มีภาพเมล็ดข้าวสารซ้อนทับกันร้อยละ 5, 10, 15, 20 และ 25 จากนั้นนำภาพที่ไม่มีเมล็ดข้าวสารซ้อนทับกันไปฝึกตัวแบบ YOLOv5 แล้วใช้ตัวแบบดังกล่าวจำแนกพันธุ์ข้าวและระบุตำแหน่งต่าง ๆ ของเมล็ดข้าวสารที่ปรากฏในภาพ ผลการวิจัยพบว่าตัวแบบ YOLOv5 สามารถจำแนกพันธุ์ข้าวของเมล็ดข้าวสารทั้ง 5 สายพันธุ์ได้ดี โดยการประเมินความแม่นยำของตัวแบบที่ค่าขีดแบ่ง 0.6 พบว่าตัวแบบสามารถจำแนกพันธุ์ข้าวที่ปรากฏในภาพที่มีภาพเมล็ดข้าวสารซ้อนทับกันร้อยละ 0, 5, 10, 15, 20 และ 25 ได้ถูกต้องร้อยละ 99.13, 99.00, 98.62, 98.19, 97.56 และ 96.89 ตามลำดับ
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
นโยบายการรับบทความ
กองบรรณาธิการวารสารสถาบันเทคโนโลยีไทย-ญี่ปุ่น มีความยินดีรับบทความจากอาจารย์ประจำ และผู้ทรงคุณวุฒิในสาขาวิศวกรรมศาสตร์และเทคโนโลยี ที่เขียนเป็นภาษาไทยหรือภาษาอังกฤษ ซึ่งผลงานวิชาการที่ส่งมาขอตีพิมพ์ต้องไม่เคยเผยแพร่ในสิ่งพิมพ์อื่นใดมาก่อน และต้องไม่อยู่ในระหว่างการพิจารณาของวารสารอื่นที่นำส่ง ดังนั้นผู้สนใจที่จะร่วมเผยแพร่ผลงานและความรู้ที่ศึกษามาสามารถนำส่งบทความได้ที่กองบรรณาธิการเพื่อเสนอต่อคณะกรรมการกลั่นกรองบทความพิจารณาจัดพิมพ์ในวารสารต่อไป ทั้งนี้บทความที่สามารถเผยแพร่ได้ประกอบด้วยบทความวิจัย ผู้สนใจสามารถศึกษาและจัดเตรียมบทความจากคำแนะนำสำหรับผู้เขียนบทความ
การละเมิดลิขสิทธิ์ถือเป็นความรับผิดชอบของผู้ส่งบทความโดยตรง บทความที่ได้รับการตีพิมพ์ต้องผ่านการพิจารณากลั่นกรองคุณภาพจากผู้ทรงคุณวุฒิและได้รับความเห็นชอบจากกองบรรณาธิการ
ข้อความที่ปรากฏภายในบทความของแต่ละบทความที่ตีพิมพ์ในวารสารวิชาการเล่มนี้ เป็น ความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่าน ไม่เกี่ยวข้องกับสถาบันเทคโนโลยีไทย-ญี่ปุ่น และคณาจารย์ท่านอื่น ๆ ในสถาบัน แต่อย่างใด ความรับผิดชอบด้านเนื้อหาและการตรวจร่างบทความแต่ละบทความเป็นของผู้เขียนแต่ละท่าน หากมีความผิดพลาดใด ๆ ผู้เขียนแต่ละท่านจะต้องรับผิดชอบบทความของตนเองแต่ผู้เดียว
กองบรรณาธิการขอสงวนสิทธิ์มิให้นำเนื้อหา ทัศนะ หรือข้อคิดเห็นใด ๆ ของบทความในวารสารสถาบันเทคโนโลยีไทย-ญี่ปุ่น ไปเผยแพร่ก่อนได้รับอนุญาตจากผู้นิพนธ์ อย่างเป็นลายลักษณ์อักษร ผลงานที่ได้รับการตีพิมพ์ถือเป็นลิขสิทธิ์ของวารสารสถาบันเทคโนโลยีไทย-ญี่ปุ่น
ผู้ประสงค์จะส่งบทความเพื่อตีพิมพ์ในวารสารวิชาการ สถาบันเทคโนโลยีไทย-ญี่ปุ่น สามารถส่ง Online ที่ https://www.tci-thaijo.org/index.php/TNIJournal/ โปรดสมัครสมาชิก (Register) โดยกรอกรายละเอียดให้ครบถ้วนหากต้องการสอบถามข้อมูลเพิ่มเติมที่
- กองบรรณาธิการ วารสารสถาบันเทคโนโลยีไทย-ญี่ปุ่น
- ฝ่ายวิจัยและนวัตกรรม สถาบันเทคโนโลยีไทย-ญี่ปุ่น
เลขที่ 1771/1 สถาบันเทคโนโลยีไทย-ญี่ปุ่น ซอยพัฒนาการ 37-39 ถนนพัฒนาการ แขวงสวนหลวง เขตสวนหลวง กรุงเทพมหานคร 10250 ติดต่อกับคุณพิมพ์รต พิพัฒนกุล (02) 763-2752 , คุณจุฑามาศ ประสพสันติ์ (02) 763-2600 Ext. 2402 Fax. (02) 763-2754 หรือ E-mail: JEDT@tni.ac.th
เอกสารอ้างอิง
M. Shahbandeh. “Principal rice exporting countries worldwide 2022/2023.” STATISTA.com. https://www.statista.com/statistics/255947/top-rice-exporting-countries-worldwide-2011/ (accessed Apr. 10, 2023).
Thai Rice Exporters Association. “F.O.B. Prices.” THAIRICEEXPORTERS.or.th. http://www.thairiceexporters.or.th/ (accessed Apr. 10, 2023).
Notifications of the Ministry of Commerce: Prescribe Thai Hom Mali Rice as a Standard Product and Thai Hom Mali Rice Product Standard (no. 3), B.E. 2559, Thai Government Gazette 133(243D), Ministry of Commerce, Oct. 21, 2016.
R. Chityala and S. Pudipeddi, Image Processing and Acquisition Using Python. New York, NY, USA: CRC Press, 2014.
R. C. Gonzalez and R. E. Woods, Digital Image Processing, 3rd ed. Upper Saddle River, NJ, USA: Pearson Prentice Hall, 2008.
S. S. A. Zaidi, S. Ansari, A. Aslam, N. Kanwal, M. Asghar, and B. Lee, “A survey of modern deep learning based object detection models,” Digit. Signal Process., vol. 126, 2022, Art. no. 103514, doi: 10.1016/j.dsp.2022.103514.
D. Thuan, “Evolution of YOLO algorithm and YOLOV5: The state-of-the-art object detection algorithm,” B.S. thesis, Dept. Inform. Technol., Oulu Univ. Appl. Sci., Oulum, Finland, 2021.
O. Aki, A. Güllü, and E. Uçar, “Classification of rice grains using image processing and machine learning techniques,” in Proc. Int. Sci. Conf. “UNITECH 2015”, Gabrovo, Bulgaria, Nov. 2015, pp. 352–354.
H. Zareiforoush, S. Minaei, M. R. Alizadeh, and A. Banaka, “Qualitative classification of milled rice grains using computer vision and metaheuristic techniques,” J. Food Sci. Technol., vol. 53, no. 1, pp. 118–131, Jan. 2016.
I. Cinar and M. Koklu, “Classification of rice varieties using artificial intelligence methods,” Int. J. Intell. Syst. Appl. Eng., vol. 7, no. 3, pp. 188–194, 2019.
I. Cinar and M. Koklu, “Determination of effective and specific physical features of rice varieties by computer vision in exterior quality inspection,” Selcuk J. Agriculture Food Sci., vol. 35, no. 3, pp. 229–243, 2021.
M. Koklu, I. Cinar, and Y. S. Taspinar, “Classification of rice varieties with deep learning methods,” Comp. Electron. Agriculture, vol. 187, 2021, Art. no. 106285, doi: 10.1016/j.compag.2021.106285.
I. Cinar and M. Koklu, “Identification of rice varieties using machine learning algorithms,” J. Agricultural Sci. (Tarim Bilimleri Dergisi), vol. 28, no. 2, pp. 307–325, 2022.
