หลักสูตร/ปี พ.ศ. วิศวกรรมศาสตรบัณฑิต สาขาวิชาวิศวกรรมซอฟต์แวร์และความรู้ ปี พ.ศ. 2566
ภาคและปีการศึกษาที่สำเร็จการศึกษา ภาคปลาย ปีการศึกษา 2565
ประเภทโครงงาน
โครงงานวิศวกรรม
ชื่อโครงงานภาษาไทย
การตรวจสอบคุณภาพข้าวขาวหอมมะลิด้วยวิธีการประมวลผลภาพและโครงข่ายประสาทเทียมแบบคอนโวลูชัน
ชื่อโครงงานภาษาอังกฤษ
Thai Hom Mali White Rice Quality Inspection by Image Processing and Convolution Neural Networks
ผู้พัฒนา
6210545599 นายภูวณัฏฐ์ เจียมวัฒนาเลิศ
6210546650 นายชนาธิป ทุมกานนท์
อาจารย์ที่ปรึกษาหลัก
หัชทัย ชาญเลขา
อาจารย์ที่ปรึกษาร่วม
-
บทคัดย่อ
การนำเข้าและส่งออกข้าวเป็นแหล่งรายได้และรายจ่ายหลักแหล่งหนึ่งในหลายประเทศโดยเฉพาะประเทศในแถบเอเชีย ในปี 2560 ประเทศไทยส่งออกข้าวประมาณ 11.67 ล้านเมตริกตัน อย่างไรก็ตามการส่งออกประจำปีลดลงอย่างต่อเนื่องตั้งแต่นั้นมา ในปี 2563 การส่งออกทั้งปีอยู่ที่ 5.72 ล้านเมตริกตัน ปัจจัยหนึ่งอาจเกิดจากการขาดการสนับสนุนด้านเทคโนโลยีในการตรวจสอบและควบคุมคุณภาพข้าว โดยปกติแล้ว การคัดแยกและตรวจสอบคุณภาพข้าวจะทำด้วยมือที่ไซต์งานโดยผู้ตรวจสอบที่ผ่านการฝึกอบรม อาจทำได้ด้วยเครื่องจำแนกข้าวในห้องปฏิบัติการหรือศูนย์ข้าว อย่างไรก็ตาม การตรวจสอบด้วยมือต้องใช้ผู้ตรวจสอบที่ได้รับการฝึกอบรม ซึ่งต้องใช้เวลาและแรงงานมาก อีกทั้งเครื่องคัดแยกข้าวที่มีอยู่ก็หายาก มีจำนวนจำกัด และมีราคาแพงมาก
วิธีแก้ปัญหาในบทความนี้ขึ้นอยู่กับคอมพิวเตอร์วิทัศน์และโครงข่ายประสาทเทียม ข้อมูลการเทรนและการเทสเป็นภาพเมล็ดข้าวที่ถ่ายด้วยกล้องโทรศัพท์มือถือในสภาพอากาศเปิด ภาพอินพุตเหล่านี้จะถูกป้อนเข้าสู่โครงข่ายประสาทเทียมเพื่อการเทรน หลังจากการเทรน โครงข่ายประสาทเทียมจะสามารถทำนายขอบเขตและชนิดของเมล็ดข้าวในภาพที่กำหนดได้ เครือข่ายประสาทเทียมและการประมวลผลภาพที่ได้รับการฝึกอบรมนี้สามารถพัฒนาเป็นแอปพลิเคชันคอมพิวเตอร์หรือแอปพลิเคชันมือถือได้ สิ่งนี้ทำให้คนทั่วไปสามารถจำแนกชนิดของข้าวได้โดยไม่ต้องมีการฝึกอบรมมาก่อน ความคล่องตัวและความสามารถในการเข้าถึงทำให้มีประโยชน์อย่างมากในไซต์งาน และลดเวลา แรงงาน และค่าใช้จ่าย
Abstract
Rice import/export is one of the main sources of income/expense in many countries especially in Asian countries. In 2017, Thailand exported about 11.67 million metric tons of rice. However the annual exports continually decreased since then. In 2020, the total annual export is only 5.72 million metric tons. One of the factors may be due to the lack of technological support in inspection and quality control. Typically, classifying and Inspecting quality of rice are done manually on site by a trained inspector. It may also be done by a rice classification machine in the laboratory or rice center. However, manual inspection requires a trained inspector, which takes much time and is very labor intensive. Moreover, the existing rice classification machines are rare, limited, and highly expensive.
The solution in this paper is based on computer vision and neural networks. The training and testing data are rice grain images taken by cell phone cameras in an open climate. These input images themselves will be fed into the convolution neural network for training. After training, the convolution neural network will be able to predict the boundaries and types of rice grains in any given image. This trained convolution neural network and image processing can be developed as a computer or mobile application. This gives the normal people the ability to classify rice types with little to no prior training. Its mobility and accessibility makes it highly useful on site and reduces time, labor, and costs.
คำสำคัญ (Keywords)
Computer vision
Image processing
Mean Average Precision
Intersection Over Union
Perspective transformation
Camera calibration
Edge detection
เว็บไซต์โครงงาน
-
ที่เก็บเวอร์ชันซอร์สโค้ด
https://github.com/kaesrel/rice-detector
https://github.com/kaesrel/rice-training-data-preparer
https://github.com/kaesrel/rice-detector-app
ผู้นำเข้าข้อมูลครั้งแรก
นายภูวณัฏฐ์
เจียมวัฒนาเลิศ
(b6210545599)
แก้ไขครั้งสุดท้าย
เมื่อ May 16, 2023, 6:56 p.m. โดย
นายภูวณัฏฐ์
เจียมวัฒนาเลิศ
(b6210545599)
สถานะการอนุมัติ
รออนุมัติ