การพัฒนาระบบคัดแยกพระเครื่องชนิดเนื้อผงโดยการใช้เมตริกซ์ของระดับสีเทาที่เกิดขึ้นร่วมกัน และการแปลงเวฟเล็ตและใช้โครงข่ายประสาทเทียมจำแนก
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาระบบคัดแยกข้อมูลพระเครื่องจากภาพดิจิทัลโดยใช้เทคนิคการจำแนกข้อมูลโครงข่ายประสาทเทียม ในการคัดแยกภาพพระเครื่องจะถูกถ่ายด้วยกล้องดิจิทัลในสภาวะที่มีการควบคุม เช่น การควบคุมระยะห่างระหว่างตัวกล้องถ่ายภาพและดอกไม้ ความเข้มของแสงในการถ่ายภาพ เป็นต้น งานวิจัยนี้จะเน้นการคัดแยกข้องมูลพระเครื่องชนิดเนื้อผง คุณสมบัติต่างๆที่ใช้ในการสกัดข้อมูลภาพต้นแบบจะใช้การวิเคราะห์โครงร่างพื้นผิวของภาพด้วยเมทริกซ์ระดับเทา (Gray-Level Co-Occurrence Matrices : GLCM) เพื่อเก็บค่าทางสถิติที่ได้จากการวิเคราะห์โครงร่างพื้นผิวภาพ 10 รูปแบบ และใช้การวิเคราะห์องค์ประกอบหลัก (PCA) เพื่อลดขนาดของเวกเตอร์ งานวิจัยนี้ได้ทำการทดสอบระบบโดยใช้พระเครื่องชนิดเนื้อผงทั้งหมดจำนวนมากกว่า 40 แบบ มีภาพทั้งสิ้น มากกว่า 1,400 ภาพ โดยมีข้อมูลที่เก็บเป็นภาพต้นแบบจำนวน 800 ภาพ จากนั้นใช้ภาพที่ถ่ายในรูปแบบเดียวกันจำนวน 400 ภาพ และภาพที่วางพระในทิศทางต่างกันอีกจำนวน 200 ภาพซึ่งได้ผลของการประเมินประสิทธิภาพของระบบในแง่ความไว 72.12 %, ความเฉพาะเจาะจง 71.24 % F-Measure 73.74 % และความถูกต้อง 90.80 %
Article Details
เนื้อหาและข้อมูลในบทความที่ลงตีพิมพ์ในวารสารวิชาการโรงเรียนนายเรือ ด้านวิทยาศาสตร์และเทคโนโลยี ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรง ซึ่งกองบรรณาธิการวารสาร ไม่จำเป็นต้องเห็นด้วย หรือร่วมรับผิดชอบใด ๆ
บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารวิชาการโรงเรียนนายเรือ ด้านวิทยาศาสตร์และเทคโนโลยี ถือเป็นลิขสิทธิ์ของโรงเรียนนายเรือ หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนหนึ่งส่วนใดไปเผยแพร่ต่อหรือเพื่อกระทำการใด ๆ จะต้องได้รับอนุญาตเป็นลายลักษณ์อักษรจากโรงเรียนนายเรือก่อนเท่านั้น
References
X. Zeng, W. Ouyang, J. Yan, H. Li, T. Xiao, K. Wang, & H. Zhou, “Crafting gbd-net for object detection,” IEEE Transactions on Pattern Analysis and Machine Intelligence. 2018.
G. Niedbała, “Application of Artificial Neural Networks for Multi-Criteria Yield Prediction of Winter Rapeseed,” Sustainability, (2019), 11(2), 533.
K. Jha, A. Doshi, P. Patel, & M. Shah, “A comprehensive review on automation in agriculture using artificial intelligence,” Artificial Intelligence in Agriculture, (2019).
K. Liakos, P. Busato, D. Moshou, S. Pearson, & D. Bochtis, “Machine learning in agriculture: A review,” Sensors, (2018), 18(8), 2674.
A. Seema, & D. Rajeshwar, “Pattern recognition techniques: a review,” International Journal of Computer Science and Telecommunications, Volume 3, Issue 8, August 2012.
Suharjito, Imran B, Girsang A S. Family Relationship Identification by Using Extract Feature of Gray Level Co-occurrence Matrix (GLCM) Based on Parents and Children Fingerprint. International Journal of Electrical and Computer Engineering (IJECE). 2017; 7(5): 2738-2745.
Ozcan C, Ersoy O, Ogul IU. Classification of SAR image patches with Apache Spark using GLCM texture features.In: International Conference on Advanced Technologies 3rd World Conference on Big Data; Izmir, Turkey; 2018. pp. 1-7.
V.Gupta, R.Puri and M.Verma.“Prompt Indian Coin Recognition with Rotation Invariance using Image Subtraction Technique”. Electronics and Communication Engineering Department Thapar University, International Conference on Devices and Communications, IEEE, 2011
ชาตรี กอบัวแก้ว. การจำแนกพระผงโดยการเปรียบเทียบลักษณะพิเศษ.วิทยานิพยนธ์ปริญญาวิทยาศาสตรมหาบัณฑิต สาขาวิทยาการคอมพิวเตอร์ ภาควิชาคอมพิวเตอร์ บัณฑิตวิทยาลัย มหาวิทยาลัยศิลปากร, 2550.
Y.Mitsukura.“Design and Evaluation of Neural Networks for Coin Recognition by Using GA and SA”.Department of Information Science & Intelligent Systems, Faculty of Engineering University of Tokushima., The proceeding of the IEEE-INNS-ENNS International Joint Conference on Neural Networks (IJCNN2000), IEEE, July 2000, p.178-183.
ณัฐนันท์ ปรัชญาธิวัฒน์ การตรวจจับ ติดตาม และการแทรกภาพโฆษณาบนลำดับภาพกีฬาฟุตบอล. โครงงานวิทยาการคอมพิวเตอร์ปริญญาบัณฑิต สาขาวิทยาการคอมพิวเตอร์ ภาควิชาคณิตศาสตร์ คณะวิทยาศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย, 2553.