Classification of Caladium by Image Processing on the Mobile Application
Keywords:
Image processing, , Classification, ApplicationAbstract
Caladiums, which grow in tropical areas, have leaves of various sizes and shapes, making it challenging for enthusiasts to distinguish between species by sight alone. The objectives are 1) to classification caladium by using image processing on the mobile application, and 2) to assess user satisfaction of classification caladium by using image processing on the mobile application. The researcher utilized CRISP-DM principles of analysis and design to develop an image classification model. Teachable Machine and the Android Studio program were used to support the classification caladium by using image processing on the mobile application. The research instruments included 15 applications to classify species of caladium and a user satisfaction questionnaire. The data were analyzed using average and standard deviation statistics. The results found that the classification caladium by using image processing on the mobile application, photography must be conducted in an environment with sufficient lighting. This application uses a camera to scan a caladium leaf into the developed application. The system was able to correctly identify caladium species with 95% accuracy. Satisfaction results from 30 users indicated satisfaction with the application. Overall, the average satisfaction rating was 4.58, at the highest level, indicating that the application can fulfill users’ needs and useful usage.
References
กิตติภัทร์ ยางคำ, กิตติคุณ บุญเกตุ, จิรวดี โยยรัมย์ และ เปรม อิงคเวชชากุล. (2565). การพัฒนาระบบคัดแยกยานพาหนะเพื่อออกแบบสถานที่จอดรถให้เหมาะสมด้วยแบบจำลองการเรียนรู้เชิงลึก. การประชุมวิชาการระดับชาติ ราชมงคลสุรินทร์ ครั้งที่ 13 “วิจัยและนวัตกรรมเพื่อพัฒนาเศรษฐกิจ BCG”, วันที่ 17 - 18 พฤศจิกายน 2565 (น. A464-A472). สุรินทร์: มหาวิทยาลัยเทคโนโลยีราชมงคลอีสาน วิทยาเขตสุรินทร์.
แก้วใจ อาภรณ์พิศาล, ธนวัฒน์ สระทองฮ่วม และ วธิดา ดารา. (2566). การพัฒนาโปรแกรมประยุกต์บนอุปกรณ์เคลื่อนที่เพื่อจำแนกกุหลาย 10 สายพันธุ์. การประชุมวิชาการการนำเสนอผลงานวิจัยระดับชาติมหาวิทยาลัยราชภัฏภูเก็ต ครั้งที่ 15, วันที่ 1 กันยายน 2566 (น. 215-223). ภูเก็ต: มหาวิทยาลัยราชภัฏภูเก็ต.
ขวัญเดือน รัตนา, ธิดารัตน์ ผ่องแผ้ว, วิทิดา สิงห์เชื้อ, ขจรพงศ์ ดาศรี และ ศุภาวีร์ แสงจันทร์จิรเดช. (2565). การขยายพันธุ์บอนสีด้วยเทคนิคการเพาะเลี้ยงเนื้อเยื่อพืช. วารสารเกษตรศาสตร์และเทคโนโลยี, 3(3), 94-105.
ฑีฆพันธุ์ เจริญพงษ์. (2563). การประยุกต์ใช้ MATLAB สำหรับการประมวลผลภาพดิจิตอล. กรุงเทพฯ: บริษัท จรัลสนิทวงศ์การพิมพ์ จำกัด.
ไทยโพสต์ออนไลน์. (2565). ธุรกิจ 'บอนสี' พืชเศรษฐกิจน่าสนใจเงินสะพัดกว่าพันล้าน/ปี. สืบค้นวันที่ 17 พฤศจิกายน 2566, จาก https://www.thaipost.net/economy-news/238869/.
บุษกร ท้วมอ้น, ธิราพร พวงทอง และแก้วใจ อาภรณ์พิศาล. (2565). โมเดลจำแนกรูปภาพพืชผักสวนครัว. การประชุมวิชาการระดับชาติด้านวิทยาศาสตร์และเทคโนโลยี ครั้งที่ 6, วันที่ 11-12 กุมภาพันธ์ 2565 (น. 122-130). พระนครศรีอยุธยา: มหาวิทยาลัยเทคโนโลยีราชมงคลสุวรรณภูมิ.
บุญชม ศรีสะอาด. (2560). การวิจัยเบื้องต้น (พิมพ์ครั้งที่ 10). กรุงเทพฯ: สุวีริยาสาส์น.
พรเทพ ท้วมสมบุญ, ณัฐวุฒิ กฤษสมัคร, ธิดากุญ แสนอุดม และวราภรณ์ ทองพันธ์. (2553). ศึกษา พัฒนาหลักเกณฑ์และวิธีการตรวจสอบพันธุ์บอนสี. กรุงเทพฯ: กรมวิชาการเกษตร.
ศุภชัย สมพานิช. (2562). คู่มือพัฒนาแอพพลิเคชันด้วย Android Studio ฉบับสมบูรณ์. กรุงเทพฯ: ไอดีซี พรีเมียร์.
สมาคมบอนสีแห่งประเทศไทย. (2552). บอนสีราชินีแห่งไม้ใบ. กรุงเทพฯ: สำนักพิมพ์บ้านและสวน.
สหัสวรรษ งามทรง, สวรินทร์ ฤกษ์อยู่สุข และสอาด วงศ์ใหญ่. (2564). การสร้างโมบายแอปพลิเคชันแบบไม่ต้องเขียนโปรแกรมเพื่อการสำรวจข้อมูลจากภาคสนามสำหรับงานบริหารจัดการภาษีขององค์กรปกครองส่วนท้องถิ่น. วารสารวิชาการเพื่อการพัฒนานวัตกรรมเชิงพื้นที่, 2(3), 55-69.
สุพจน์ เฮงพระพรหม. (2566). การเรียนรู้ของเครื่อง MACHINE LEARNING. นครปฐม: สาขาวิชาวิทยาการข้อมูล.
สุภาพร นุภาพ และ อรอุมา พร้าโมต. (2564). การออกแบบและพัฒนาแอปพลิเคชันรู้จําตัวอักษรบนอุปกรณ์เคลื่อนที่เพื่อการฝึกเขียนพยัญชนะไทย. การประชุมวิชาการระดับชาติครั้งที่ 13 มหาวิทยาลัยราชภัฏนครปฐม, วันที่ 8 - 9 กรกฎาคม 2564 (น. 641-649). นครปฐม: มหาวิทยาลัยราชภัฏนครปฐม.
สมศักดิ์ ดอนไพรเณร และ ศุภกฤษ นาคป้อมฉิน. (2565). การพัฒนาไลน์แชทบอทเพื่อตรวจสอบใบหน้าพนักงานรักษาความปลอดภัยด้วยเทคโนโลยีการประมวลผลภาพบายแอปพลิเคชัน. วารสารวิชาการวิทยาศาสตร์ มหาวิทยาลัยราชภัฏจันทรเกษม, 32(2), 80-86.
อรดี สหวัชรินทร์. (2525). การขยายพันธุ์และปรับปรุงพันธุ์บอนสีโดยวิธีเพาะเลี้ยงเนื้อเยื่อ. วารสารพืชสวน, 17(3), 19-25.
อรวรรณ วิชัยลักษณ์. (2548). บอนสี (พิมพ์ครั้งที่ 1). กรุงเทพฯ: โรงพิมพ์ชุมนุมสหกรณ์การเกษตรแห่งประเทศไทย.
ออฟฟิศเมท. (2566). รวมเรื่องต้องรู้ มือใหม่หัดปลูก ‘บอนสี’. สืบค้น 17 พฤศจิกายน 2566, จาก https://www.ofm.co.th/blog/caladium/.
พรรณไม้. (2566). บอนสี Caladium. สืบค้นวันที่ 17 พฤศจิกายน 2566, จาก https://www.panmai.com/Caladium/ Caladium.shtml.
Abed, A. A., Al-Ibadi, A., & Abed, I. A. (2023). Real-time multiple face mask and fever detection using YOLOv3 and TensorFlow lite platforms. Bulletin of Electrical Engineering and Informatics, 12(2), 922-929.
Alsing, O. (2018). Mobile object detection using TensorFlow lite and transfer learning. (Master in Computer Science). Sweden: School of Compute Science and Communication.
Carney, M., Webster, B., Alvarado, I., Phillips, K., Howell, N., Griffith, J., ... & Chen, A. (2020). Teachable machine: Approachable Web-based tool for exploring machine learning classification. In Proceedings of the Extended Abstracts of the 2020 CHI Conference on Human Factors in Computing (pp. 1-8). ACM.
Google. (2023). Google Teachable Machine. Retrieved 30 November 2023, form https://teachablemachine.withgoogle.com/.
Jordan, M. I., & Mitchell, T. M. (2015). Machine learning: Trends, perspectives, and prospects. Science, 349(6245), 255-260.
Konaite, M., Owolawi, P. A., Mapayi, T., Malele, V., Odeyemi, K., Aiyetoro, G., & Ojo, J. S. (2021). Smart Hat for the blind with Real-Time Object Detection using Raspberry Pi and TensorFlow Lite. Proceedings of the International Conference on Artificial Intelligence and its Applications (pp. 1-6).
OpenAI. (2023). Chatgpt. Retrieved 30 November 2023, form https://chat.openai.com/.
TensorFlow. (2024). TensorFlow Lite. Retrieved 20 January 2024, form https://www.tensorflow.org/lite/guide?hl=th.
Toivonen, T., Jormanainen, I., Kahila, J., Tedre, M., Valtonen, T., & Vartiainen, H. (2020). Co-designing machine learning apps in K–12 with primary school children. 2020 IEEE 20th International Conference on Advanced Learning Technologies (ICALT) (pp. 308-310). IEEE.
