การพัฒนาอัลกอลิทึมเพื่อคัดแยกชนิดข้าวสารด้วยเทคนิคการหาค่าความเข้มของสีวัตถุ
Article Sidebar
Main Article Content
บทคัดย่อ
วัตถุประสงค์ในการวิจัยนี้ เพื่อออกแบบอัลกอลิทึมและพัฒนาซอฟต์แวร์ในการคัดแยกข้าวสารด้วยสี ระบบคัดแยกข้าวสารด้วยสี หลักการทำงานของระบบใช้การวิเคราะห์หาระดับความเข้มของค่าเฉลี่ยของกลุ่มสี โดยเน้นระดับค่าเฉลี่ยความเข้มของสีแดงและน้ำเงิน เพื่อใช้ในการคัดแยกวัตถุด้วยกลุ่มสี ผลการประเมินประสิทธิภาพของระบบที่ได้จากการประมวลทดสอบด้วยอัลกอริทึมที่พัฒนาใหม่ จากกลุ่มภาพตัวอย่าง 6 กลุ่ม กลุ่มละ 10 ภาพ รวม 60 ภาพ ความแม่นยำของกลุ่มที่ 1 คือ ข้าวหอมมะลิ 105 มีค่าเฉลี่ย 90% ความแม่นยำของกลุ่มที่ 2 คือ ข้าวหอมมะลิทุ่งกุลา มีค่า เฉลี่ย 90% ความแม่นยำของกลุ่มที่ 3 คือ ข้าวเหนียวพันธุ์ กข. 6 มีค่าเฉลี่ย 90% ความแม่นยำของกลุ่มที่ 4 คือ ข้าวเหนียวเขาวงกาฬสินธุ์ มีค่าเฉลี่ย 100% ความแม่นยำของกลุ่มที่ 5 คือข้าวเหนียวเขี้ยวงู มีค่าเฉลี่ย 100% และความแม่นยำของกลุ่มที่ 6 คือ ข้าวเหนียวดำหรือข้าวก่ำมีค่าเฉลี่ย 100% สรุปค่าเฉลี่ยรวม 95% ภาพรวมระบบที่พัฒนาถือว่ามีประสิทธิภาพ อยู่ในระดับดีแสดงว่าคุณภาพในการเปรียบเทียบระดับกลุ่มสี ของระบบอยู่ในระดับที่ค่อนข้างเที่ยงตรง และมีความเหมาะสมต่อการนำไปประยุกต์ใช้งานในการประมวลผลคัดแยกระดับความเข้มสีด้วยภาพต่อไป
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ลงตีพิมพ์เป็นข้อคิดเห็นของผู้เขียนเท่านั้น
ผู้เขียนจะต้องเป็นผู้รับผิดชอบต่อผลทางกฎหมายใดๆ ที่อาจเกิดขึ้นจากบทความนั้น
References
M. J. Swain and D. H. Ballard,“Indexing via color histograms,” in Proceedings of the 3rd International Conference on Computer Vision, 1990, pp. 390–393.
M. J. Swain and D. H. Ballard, “Color indexing,” International Journal of Computer Vision, vol. 26, no. 4, pp. 461–470, 1993.
M. Khojastehnazhand, M. Omid, and A. Tabatabaeefar, “Development of a lemon sorting system based on color and size,” African Journal of Plant Science, vol. 4, no. 4, pp. 122–127, 2010.
K. R. Castleman, Digital Image Processing, New Jersey: Prentice-Hall, 1996, pp. 140–145.
N.Awabhark, “Color image retrieval based on compressed domain using binary pattern correlogram,” M.S. thesis,Faculty of Computer Technology, King Mongkut’s University of Technology North Bangkok, 2007 (in Thai).
ThaiSMEsCenter. (2017,May30). Nutritious rice varieties. [Online]. (in Thai). Avaiable: http:// www.Thaismescenter.com.
Khon Kaen Rice Seed Center. (2017,May 30). Rice seeds. [Online]. (in Thai). Avaiable: https:// kkn-rsc.ricethailand.go.th/
Y. Munklang, “Image retrieval using feature vectors of color cluster,” C.E. thesis, Graduate Thonburi, Bangkok, 2012 (in Thai).
W. Phumarin, Design and build a prototype of a black rice sorting machine by image processing. Bangkok : Office Research Fund, 2004 (in Thai).
A. Bern and I. Kuzivanov, “Classification of Fruits. Machine Vision 2002,” Course Report Project Laboratory of Data Processing, Department of InformationTechnology, Lappeenranta University of Technology, 2002.
B. S. Bennedsen, D. L. Peterson and A. Tabb, “Identifying defects in images of rotating apples,” Computers and Electronics in Agriculture, vol. 48, no. 2, pp. 92–102, 2005.
N. Thaweepol. (2012, July). Accuracy and Precision. Food Network Solution Co., Ltd. Bangkok, Thailand [Online]. (in Thai). Avaiable http://www.foodnetworksolution.com
P. Pornchaloempong and N. Nunak, (2012, July). Precision. Food Network Solution Co., Ltd. Bangkok, Thailand [Online]. (in Thai). Avaiable: http://www.foodnetworksolution.com/wiki/ word/4290/precision
J. R. Taylor, An introduction to error analysis: The An Introduction to Error Analysis The Study of Uncertainties in Physical Measurements, 2nd ed., University Science Books, 1997, pp.128–129.
CE. Metz. (1978). Basic principles of ROC analysis. SeminNuclMed. pp. 283–298.