หลักสูตร/ปี พ.ศ. วิศวกรรมศาสตรบัณฑิต สาขาวิชาวิศวกรรมคอมพิวเตอร์ ปี พ.ศ. 2569
ภาคและปีการศึกษาที่สำเร็จการศึกษา ภาคปลาย ปีการศึกษา 2568
ประเภทโครงงาน
โครงงานวิศวกรรม
ชื่อโครงงานภาษาไทย
ระบบตรวจสอบและแสดงผลอุปสรรคบนทางเท้าด้วยภาพถ่ายจาก Google Street View
ชื่อโครงงานภาษาอังกฤษ
Sidewalk Impediments Detection and Visualization System Using Google Street View
ผู้พัฒนา
6510503816 ศุภกิตต์ วงศ์โต
อาจารย์ที่ปรึกษาหลัก
ภารุจ รัตนวรพันธุ์
อาจารย์ที่ปรึกษาร่วม
-
บทคัดย่อ
การสำรวจทางเท้าในเขตเมืองในปัจจุบันมักใช้เวลาและงบประมาณสูง มีข้อจำกัดด้านความครอบคลุมของพื้นที่ ประกอบกับปัจจุบันยังไม่มีระบบรายงานความเสียหายบนทางเท้าที่ประชาชนทั่วไปสามารถเข้าถึงได้ งานวิจัยนี้นำเสนอการพัฒาระบบตรวจสอบและแสดงผลอุปสรรคบนทางเท้าแบบอัตโนมัติ โดยมีวัตถุประสงค์เพื่อพัฒนาโมเดลปัญญาประดิษฐ์ในการวิเคราะห์และจำแนกอุปสรรคจากภาพ Google Street View และสร้างเว็บแอปพลิเคชันแผนที่เชิงโต้ตอบสำหรับแสดงผล วิธีการดำเนินงานเริ่มจากการสร้างพิกัดอัตโนมัติบนถนนสายหลักทุกระยะ 10 เมตร และดึงภาพผ่าน Google Street View Static API จากนั้นทำการเตรียมชุดข้อมูลแบบแบ่งส่วนภาพแบบ Segmentation เพื่อฝึกสอนโมเดลสถาปัตยกรรม RF-DETR ให้จำแนกวัตถุ เช่น ถนน โครงสร้างทางเท้า สิ่งกีดขวาง และพื้นผิวชำรุด ข้อมูลที่ถูกโมเดลจำแนกจะถูกนำมาคำนวณสัดส่วนพื้นที่เพื่อคัดกรองปัญหา และนำไปแสดงผลบนเว็บแอปพลิเคชันแผนที่ด้วย Next.js และ OpenStreetMap ผลการศึกษาพบว่าโมเดล RF-DETR มีประสิทธิภาพโดยรวม (mAP@50) อยู่ที่ร้อยละ 79.02 โดยมีค่าความแม่นยำ (Precision) ร้อยละ 75.62 และค่าความระลึก (Recall) ร้อยละ 79.38 สรุปได้ว่าระบบที่พัฒนาขึ้นสามารถวิเคราะห์และจำแนกอุปสรรคทางเท้าได้อย่างอัตโนมัติ และแสดงผลตำแหน่งปัญหาพร้อมระดับความรุนแรงบนแผนที่ได้จริง ช่วยอำนวยความสะดวกให้บุคคลทั่วไปสามารถเข้าถึงข้อมูลเพื่อตรวจสอบเส้นทางได้อย่างมีประสิทธิภาพ
Abstract
Inspecting urban sidewalks manually involves high costs and excessive time, leading to limited spatial coverage. Moreover, there is no accessible platform for the public to access report of sidewalk damages. This research presents the development of an automated sidewalk impediment detection and visualization system. The objectives are to develop an artificial intelligence model to analyze and classify obstacles from Google Street View imagery and to create an interactive map web application for visualization. The methodology begins with automatically generating coordinates every 10 meters along main roads and retrieving images via the Google Street View Static API. Subsequently, the dataset was prepared using image segmentation to train an RF-DETR architecture model to classify objects such as roads, sidewalk structures, obstacles, and surface damage. The classified data was then used to calculate the area ratio for problem filtering and displayed on a map web application using Next.js and OpenStreetMap. The results showed that the RF-DETR model achieved an overall performance (mAP@50) of 79.02%, with a precision of 75.62% and a recall of 79.38%. In conclusion, the developed system can automatically analyze and classify sidewalk impediments and practically display problem locations with severity levels on a map, effectively facilitating public access to route-checking information.
คำสำคัญ (Keywords)
ทางเท้า
Google Street View
RF-DETR
การแบ่งส่วนภาพ
แผนที่เชิงโต้ตอบ
เว็บไซต์โครงงาน
https://sidewalk-impediments-detection-syst.vercel.app/
วีดีโอคลิปของโครงงาน
-
ที่เก็บเวอร์ชันซอร์สโค้ด
https://github.com/Tanwa2545/Sidewalk-impediments-detection-system
ผู้นำเข้าข้อมูลครั้งแรก
ศุภกิตต์
วงศ์โต
(b6510503816)
แก้ไขครั้งสุดท้าย
เมื่อ March 15, 2026, 4:56 p.m. โดย
ศุภกิตต์
วงศ์โต
(b6510503816)
สถานะการอนุมัติ
รออนุมัติ