รายละเอียดโครงงาน

หลักสูตร/ปี พ.ศ.
วิศวกรรมศาสตรบัณฑิต สาขาวิชาวิศวกรรมซอฟต์แวร์และความรู้ ปี พ.ศ. 2568

ภาคและปีการศึกษาที่สำเร็จการศึกษา
ภาคปลาย ปีการศึกษา 2567

ประเภทโครงงาน
โครงงานวิศวกรรม

ชื่อโครงงานภาษาไทย
อินสเปกตรา: การตรวจจับความเสียหายด้วยเอไอ

ชื่อโครงงานภาษาอังกฤษ
InSpectra

ผู้พัฒนา
6410545479 นายธรรรธร มุสิก
6410546092 นายจิตรภาณุ นพวิจิตร์

อาจารย์ที่ปรึกษาหลัก
ศิริศิลป์ กองศิลป์

อาจารย์ที่ปรึกษาร่วม
-

บทคัดย่อ

เอกสารฉบับนี้นำเสนอข้อกำหนดของซอฟต์แวร์สำหรับ Inspectra ซึ่งเป็นเว็บแอปพลิเคชันที่ขับเคลื่อนด้วยปัญญาประดิษฐ์ พัฒนาขึ้นเพื่อการตรวจจับความเสียหายบนโมเดล 3 มิติของโครงสร้างพื้นฐานอย่างมีประสิทธิภาพและแม่นยำ โดยอ้างอิงจากความก้าวหน้าล่าสุดของเทคโนโลยีการเรียนรู้เชิงลึกแบบบูรณาการ ระบบนี้ถูกออกแบบมาเพื่อตอบโจทย์ความท้าทายในการตรวจสอบโครงสร้างขนาดใหญ่

คุณลักษณะสำคัญของระบบ ได้แก่ การยืนยันตัวตนของผู้ใช้ การแปลงภาพเป็นโมเดล 3 มิติ การตรวจจับความเสียหายในระดับพิกเซล การแสดงผลโมเดล 3 มิติแบบโต้ตอบพร้อมการปรับแต่งพื้นผิวและแสง และความสามารถในการส่งออกในหลายรูปแบบ โครงการนี้ได้รับแรงบันดาลใจจากงานวิจัยร่วมสมัยเกี่ยวกับระบบตรวจจับรอยร้าวที่ใช้โครงข่ายประสาทเทียมแบบ CNN-FCN แบบบูรณาการ และประยุกต์ใช้การแมปพื้นผิว 3 มิติจากภาพถ่าย (photogrammetric 3D texture mapping) เพื่อเพิ่มความแม่นยำ

วัตถุประสงค์หลักของระบบคือเพื่อปรับปรุงกระบวนการตรวจสอบโครงสร้างพื้นฐาน ให้สามารถตรวจจับความเสียหายเชิงโครงสร้างได้ตั้งแต่ระยะเริ่มต้น พร้อมรองรับการทำงานบนแพลตฟอร์มเว็บต่าง ๆ เอกสารฉบับนี้ยังสอดคล้องกับหลักการจากงานวิจัยที่เกี่ยวข้องในด้านปัญญาประดิษฐ์ การสร้างโมเดล 3 มิติจากภาพถ่าย และการประเมินความเสียหายแบบอัตโนมัติ

Abstract

This document presents the Software Requirements Specification (SRS) for Inspectra, an AI-driven web application developed for efficient and accurate damage detection in 3D models of infrastructure. Building upon recent advancements in integrated deep learning technologies, the system addresses the challenges of inspecting large-scale structures.

Key features include user authentication, image-to-3D model conversion, pixel-level damage detection, interactive 3D model visualization with texture and lighting adjustments, and multi-format export capabilities. This project draws inspiration from contemporary research in integrated CNN-FCN-based crack detection systems and leverages photogrammetric 3D texture mapping for enhanced accuracy.

The system's primary objective is to improve infrastructure inspection workflows, enabling early structural damage detection while ensuring compatibility across web platforms. This document also aligns with principles from related studies in artificial intelligence, image-based 3D modeling, and automated damage assessment.

คำสำคัญ (Keywords)

Web application
Damage detection
3D models
Infrastructure
Deep learning
CNN-FCN
Photogrammetry
Texture mapping
Pixel-level detection
3D visualization

เว็บไซต์โครงงาน
-

วีดีโอคลิปของโครงงาน
-

ที่เก็บเวอร์ชันซอร์สโค้ด

https://github.com/Laberu


สถานะการนำเข้าข้อมูล

ผู้นำเข้าข้อมูลครั้งแรก
นายจิตรภาณุ นพวิจิตร์ (b6410546092)

แก้ไขครั้งสุดท้าย
เมื่อ May 8, 2025, 10:06 p.m. โดย นายจิตรภาณุ นพวิจิตร์ (b6410546092)

สถานะการอนุมัติ
รออนุมัติ