การจำแนกคุณภาพยางแผ่นโดยใช้การประมวลผลภาพและการจัดกลุ่มแบบเคมีน
Main Article Content
บทคัดย่อ
ในปัจจุบันเกษตรกรผู้ปลูกยางพาราประสบปัญหาการปนเปื้อนเชื้อราในยางแผ่น และการคัดแยกคุณภาพยางแผ่นต้องอาศัยประสบการณ์และทักษะเฉพาะบุคคล งานวิจัยนี้จึงมีวัตถุประสงค์เพื่อพัฒนาวิธีการจำแนกคุณภาพยางแผ่นโดยใช้การประมวลผลภาพและการจัดกลุ่มแบบเคมีน ซึ่งเป็นการประยุกต์ใช้เทคโนโลยีดิจิทัลกับงานด้านการเกษตร เพื่อเพิ่มประสิทธิภาพ ลดระยะเวลา และสร้างความแม่นยำในการคัดแยกคุณภาพยางแผ่นให้กับเกษตรกร งานวิจัยนี้กำหนดเงื่อนไขของยางแผ่น จำนวน 4 รูปแบบ คือ 1) ยางแผ่นดิบที่มีเชื้อรา 2) ยางแผ่นดิบที่ไม่มีเชื้อรา 3) ยางแผ่นรมควันที่มีเชื้อรา และ 4) ยางแผ่นรมควันที่ไม่มีเชื้อรา โดยทำการบันทึกภาพยางแผ่นเหล่านี้ด้วยกล้องดิจิทัลใน 3 สภาพแสง คือ 1) แสงที่ควบคุม 2) แสงในห้อง และ
3) แสงกลางแจ้ง ซึ่งภาพใช้ระบบสีอาร์จีบี (RGB) จากนั้นนำภาพยางแผ่นแต่ละรูปแบบและแต่ละสภาพแสงนั้นมาตัดภาพเป็นขนาด 100 x 100 พิกเซล สภาพแสงละ 150 ภาพ ประกอบด้วยภาพสำหรับคำนวณหาค่ากลุ่มสีโดยการจัดกลุ่มแบบเคมีน จำนวน 400 ภาพ ในงานวิจัยนี้ทำการจัดกลุ่มแบบเคมีนด้วยค่า K เท่ากับ 5 ซึ่งจะได้กลุ่มค่าสีตัวแทนของเชื้อรา จำนวน 3 กลุ่ม และกลุ่มค่าสีตัวแทนของปกติ จำนวน 2 กลุ่ม และภาพสำหรับทดสอบตัวจำแนกที่ได้จากการจัดกลุ่มแบบเคมีนจำนวน 200 ภาพ ซึ่งให้ค่าความถูกต้อง (Accuracy) เท่ากับ 96.57 % ค่าความแม่นยำ (Precision) เท่ากับ 99.95 % ค่าการเรียกคืน (Recall) เท่ากับ 93.19 % และค่าความแม่นยำเชิงสมดุล (F1-Score) เท่ากับ 96.45 % ตามลำดับ
Downloads
Article Details
เอกสารอ้างอิง
สถาบันพลาสติก. (2564). อุตสาหกรรมต้นน้ำ: ยางแผ่นดิบ. สืบค้นจาก https://shorturl.asia/eps8x
สำนักงานพัฒนาการวิจัยการเกษตร (องค์การมหาชน). (n.d.). ฐานข้อมูลงานวิจัยยางพารา. สำนักงานพัฒนาการวิจัยการเกษตร (องค์การมหาชน). สืบค้นจาก http://agknowledge.arda.or.th/rubber
สำนักงานพัฒนาเทคโนโลยีอวกาศและภูมิสารสนเทศ (องค์การมหาชน). (2552). ตำราเทคโนโลยีอวกาศและภูมิสารสนเทศ: การจำแนกประเภทข้อมูลภาพ (Image Classification). สืบค้นจาก https://learn.gistda.or.th/wp-content/uploads/book/SpacetechologyandGEOinformatics.pdf
Arifin, Z., Mukti, E. Y. M., Tamamy, A. J., & Heryanto, M. A. (2020). Classification of RSS (Ribbed
Smoke Sheet) based on presence or absence of fungus using the NN (Neural Network) Perceptron method. In 2020 International Seminar on Application for Technology of Information and Communication (iSemantic) (pp. 359–363). Lincoln: Universitas Dian Nuswantoro.
Fibriani, I., Sumardi, N., Satriya, A. B., & Utomo, S. B. (2017). Colour based image processing
method for recognizing ribbed smoked sheet grade. IOP Conference Series: Materials Science and Engineering, 185, 012025.
https://doi.org/10.1088/1757-899X/185/1/012025
Puttipipatkajorn, A., & Puttipipatkajorn, A. (2020). Development of calibration models for rapid determination of moisture content in rubber sheets using portable near-infrared. Journal of Innovative Optical Health Sciences, 13(2), 2050009. https://doi.org/10.1142/s1793545820500091
Limhengha, S., & Sudsawat, S. (n.d.). Real-time color classification of para rubber using advanced image processing and yellowness index analysis for quality control [Preprint]. SSRN. https://doi.org/10.2139/ssrn.5167002