Object Detection in Smart Home System for Visually Impaired Person
Keywords:
Visually impaired person, Smart home system, Object DetectionAbstract
This research aims to develop an object detection system for smart homes designed for visually impaired individuals to enhance their independence. The project involves creating a portable device to detect obstacles within the home using the YOLOv8 algorithm, which is known for its high accuracy and precision in object detection. The project is divided into two main parts: Part 1: Device Design The device is designed to be portable and user-friendly, featuring audio alerts. It includes essential components such as a Raspberry Pi 4, a camera module, and an ultrasonic sensor. Part 2: Model Development A new model will be developed to detect obstacles in the home by further training the YOLOv8 algorithm with household objects to enhance model accuracy. The new model will be compared with an existing model to evaluate performance.
The results of the experiment showed that the newly created model was able to detect obstacles inside the home with an accuracy of 96.2%, while the existing model achieved an accuracy of 93.1%. The new model demonstrates relatively high accuracy and greater efficiency compared to the existing model. The researcher has designed a warning system that emits an alert when the visually impaired individual approaches an obstacle within 50 centimeters. The results of this research can serve as a guideline for creating obstacle detection devices for smart homes, ultimately improving the quality of life for visually impaired individuals.
References
กาญจนา จันทร์ประเสริฐ. (2560). การพัฒนาเครื่องแจ้งเตือนสิ่งกีดขวางเพื่อผู้พิการทางสายตา. วารสารวิทยาศาสตร์และเทคโนโลยี, 25(1), 138-147.
ดุลยณัฐ นิตย์ใหม่, ศราวุฒิ พ่อสาร, ธนพล ตั้งชูพงศ์. (2566). ระบบตรวจจับและอ่านป้ายทะเบียนยานพาหนะสำหรับระบบบริหารที่จอดรถ. วารสารวิทยาศาสตร์และเทคโนโลยีรัตนโกสินทร์, 23(2), 72-86.
ปราโมทย์ ปัญญาโต. (2562). การสร้างระบบตรวจนับบุคคลแบบเวลาจริงราคาประหยัดบน Raspberry Pi โดยประยุกต์อัลกอริทึม Tiny YOLOV3. Engineering Transactions, 22(2), 72-78.
เพ็ญพิชชา พัฒนจิตรศิลปะ. (2564). การตรวจจับสิ่งกีดขวางสำหรับเก้าอี้รถเข็นไฟฟ้าด้วยคอมพิวเตอร์วิทัศน์ [วิทยานิพนธ์ปริญญาวิทยาศาสตรมหาบัณฑิต]. จุฬาลงกรณ์มหาวิทยาลัย.
ยุทธพงษ์ อิ่มสุวรรณ เลขาธิการราชวิทยาลัยจักษุแพทย์แห่งประเทศไทย. (ม.ป.ป.). ตาบอดหมายความว่าอย่างไรในมุมมองจักษุแพทย์. สืบค้นจาก https://tmc.or.th/pdf/tmc_knowlege-108.pdf.
วรากร เลื่องลือวุฒิ, กิตตากร วิริยะศาสตร์, วิชัย แผ้วเกษม, พันธุ์เทพ แก้วมงคลและสัญญา มิตรเอม. (2566). การตรวจจับวัตถุในภาพถ่ายทางอากาศโดยใช้เทคนิคโครงข่ายประสาทเทียม. วารสารวิชาการเทคโนโลยีป้องกันประเทศ, 5(12), 4-11.
สุเทพ พันธ์เพ็ง. (2563). 1479 สายด่วนคนพิการ ทำความรู้จักความพิการประเภทที่ 1 ความพิการทางการมองเห็น.สืบค้นจาก http://www.1479hotline.org/archives/11836.
โสภิดา ท้วมมี, หทัยรัตน์ เกตุมณีชัยรัตน์, ฌัลลิกา เพชรมณีนิลใส, และพศวัต พันธ์โสตถี. (2565). ไม้เท้าอัจฉริยะสำหรับช่วยเหลือผู้พิการทางสายตา. วารสารวิชาการเทคโนโลยีอุตสาหกรรม, 22(2), 22-39.
ฮาซิกา ชาจิด. (2567). Yolov8 : ผลงานชิ้นเอก ด้าน Viral Computer Vision ของ Ultralytics. สืบค้นจาก https://www.unite.ai/th/yolov8-ultralytics/
Amit, Y., Felzenszwalb, P., Girshick, R. (2020). Object Detection In: Computer Vision. Springer. Retrieved from https://link.springer.com/referenceworkentry/10.1007/978-3-030-03243-2_660-1.
Carullo, A., & Parvis, M. (2001). An ultrasonic sensor for distance measurement in automotive applications, 1,143-147. Retrieved from https://www.researchgate.net/publication/3430936.
Dwyer, B., Nelson, J., Hansen, T., & et. al. (2024). Roboflow (Version 1.0) [Software]. Retrieved from https://roboflow.com. computer vision.
Gaudenz, B. (n.d.). (2024). What is Open CV ? The Complete Guide (2024). Retrieved from https:/ /viso.ai/computer- vision/open cv.
Jeff Smoot. (2021). The Basics of Ultrasonic Sensors. Retrieved from https://www.cuidevices.com/blog/the-basics-of-ultrasonic-sensors.
Kang, C.H., & Kim, S. Y. (2023). Real-time object detection and segmentation technology : an analysis of the YOLOalgorithm. JMST Adv, 5, 74–75.
Murel, J., Ph.D., Kavlakoglu, E. (2024, 3 January). What is object detection ?. Retrieved from
https://www.ibm.com /topics/object-detection.
Redmon, J., Divvala, S., Girshick R., & Farhadi, A. (2016). You Only Look Once: Unified, Real- Time Object Detection. Retrieved from https://arxiv.org/abs/1506.02640.
Redmon, J., & Farhadi, A. (2018). YOLOv3: An incremental improvement. arXiv preprint arXiv:1804.02767. Retrieved from https://doi.org/10.48550/arXiv.1804.02767.
Solawetz, J., & Francesco. (2023, JAN 11). What is YOLOv8? The ultimate guide. Roboflow. Retrieved from https://blog.roboflow.com/whats-new-in-yolov8.
Ultralytics. (n.d.). Ultralytics. Retrieved from https://docs.ultralytics.com/models/yolov8/.
Ultralytics. (2023). YOLOv8 documentation. Retrieved from Ultralytics. https://docs.ultralytics.com.
Wang, Q., Shikanai, Y., Mima, K., & Tobita, K. (2024). Semantic Mapping and Voice User Interface Based on ORB-SLAM and YOLO for Navigating Visually Impaired Person. Journal of Research and Applications in Mechanical Engineering, 12(1), 2-3.
Zhao, Z., Zheng, P., Xu, S., & Wu, X. (2019). Object detection with deep learning: A review. IEEE Transactions on Neural Networks and Learning Systems, 30(11), 3212-3232.
