ระบบคัดแยกขวดเปล่าด้วยวิธีการพีซีเอ

  • วิทยา ศรีกุล
  • ประจวบ อินระวงศ์
Keywords: การวิเคราะห์องค์ประกอบหลัก, เวกเตอร์ลักษณะเฉพาะ, ค่าลักษณะเฉพาะ, การแยกประเภทขวด

Abstract

บทคัดย่อ
บทความนี้นำเสนอวิธีการการคัดแยกขวดเปล่าเพื่อการรีไซเคิล ด้วยระบบการรับรู้จดจำวัตถุด้วยพื้นฐานของการวิเคราะห์องค์ประกอบหลักเป็นตัวจัดการยืนยันความถูกต้องในการแยกแยะ การทำงานของระบบ แบ่งได้เป็น 2 ขั้นตอนหลักดังนี้ ขั้นตอนการเรียนรู้ ซึ่งจะนำภาพขวดแบบต่างๆ ในท้องตลาดจำนวน 50 รูปทรงมาตรฐาน มาทำการวิเคราะห์องค์ประกอบหลัก จะได้เวกเตอร์ลักษณะเฉพาะ และค่าลักษณะเฉพาะของขวดแต่ละแบบ เป็นตัวแทนในสเปชย่อย ขั้นตอนที่สองการรู้จำแยกแยะ เป็นการวิเคราะห์ภาพขวดที่นำมาทดสอบ ซึ่งภาพที่นำมาทดสอบแบ่งเป็นกลุ่มตัวอย่างในฐานข้อมูล 50 ภาพและกลุ่มภาพที่ไม่อยู่ในฐานข้อมูล 50 ภาพ การทดสอบความถูกต้องของการรู้จำ และแยกแยะ สำหรับภาพในฐานข้อมูลคิดเป็นร้อยละ 92 และกลุ่มภาพที่ไม่อยู่ในฐานข้อมูลมีความถูกต้อง 94 %
คำสำคัญ : การวิเคราะห์องค์ประกอบหลัก; เวกเตอร์ลักษณะเฉพาะ; ค่าลักษณะเฉพาะ; การแยกประเภทขวด

Abstract
This paper presents a method for classifying empty bottles in recycling process. The Principle Component Analysis (PCA) is used for recognition and classification process. The system is divided into two main steps. First, learning process (Training phase), images of 50 standard bottles were performed PCA to obtain Eigen vector and Eigen value. These values represent the subspace of sample bottles. Second step, recognition and classification stage (Working phase), test images were analyzed for recognizing and classifying. The test images were divided into two groups. Images are in database (sample bottles), 50 images, and other 50 images are not in database (unrecognized images). The test result showed that accuracy of recognition and classification is 92% for images in database and 94% for unrecognized images.
Keywords : PCA; Eigen Space; Bottles Classifying

Downloads

Download data is not yet available.
Published
2014-07-01
Section
บทความวิจัย (Research article)