การจำแนกภาพถ่ายระบบอาร์จีบีด้วยเทคนิคการเรียนรู้เชิงลึก ของโครงข่ายประสาทเทียม
DOI:
https://doi.org/10.14456/jmu.2018.12คำสำคัญ:
การตรวจสอบคุณภาพ, การประมวลผลภาพ, แมทแลปบทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อจำแนกสีของผลมะเขือเทศพันธุ์โทมัสด้วยการวิเคราะห์ค่าพารามิเตอร์สีระบบ อาร์ จี บี โดยการเรียนรู้เชิงลึกของนิวรอลเน็ตเวิร์ค เครื่องมือที่ใช้ในงานวิจัย ได้แก่ (1) โปรแกรมแมทแลป เวอร์ชัน 2018 และ (2) ภาพถ่ายด้วยกล่องควบคุมแสงสว่าง ขนาด 100x100 พิกเซล กลุ่มตัวอย่างวิจัย ได้แก่ ภาพถ่ายจากผลมะเขือเทศเนื้อพันธุ์โทมัสของโครงการหลวง จำนวน 450 ภาพ ซึ่งถูกแบ่งออกเป็น 3 กลุ่มตามการจำแนกของสีผลมะเขือเทศ ได้แก่ สีเขียว สีแดงกุหลาบ และสีแดง ตามลำดับ ผลการวิจัย พบว่า การประมวลผลด้วยการเรียนรู้เชิงลึกสามารถให้ค่าความถูกต้องในการแยกสีมะเขือเทศ เท่ากับ 94.07% ประโยชน์ที่ได้รับจากงานวิจัยนี้สามารถนำมาประยุกต์ใช้เพื่อพัฒนาเป็นเครื่องมือสำหรับการคัดแยกสีของมะเขือเทศแบบอัตโนมัติสำหรับใช้สำหรับอุตสาหกรรมอาหารได้ในอนาคตต่อไป
References
1. กระทรวงการเกษตรและสหกรณ์ (2552). มาตรฐานสินค้าเกษตรและอาหารแห่งชาติของมะเขือเทศ. ประกาศในราชกิจจานุเบกษา ฉบับประกาศและงานทั่วไป เล่ม 124 ตอนพิเศษ 78.
2. กระทรวงเกษตรและสหกรณ์ (2560). สถิติการเกษตรของประเทศไทย ปี 2559. สถิติการเกษตรของเกษตร.
3. นุชรี ธรรมโชติ (2557). การพัฒนาระบบการประมวลผลภาพสำหรับกระบวนการคัดแยกขนาดและ สายพันธุของหมึกกล้วยแปรรูป. วิศวกรรมศาสตร์มหาบัณฑิต สาขาวิชาวิศวกรรมอุตสาหการและระบบ มหาวิทยาลัยสงขลานครินทร์.
4. Alejandra M. Munoz (2013). Sensory Evaluationin Quality Control. Springer Science & Business Media. Page 1-3.
5.Aristoteles, Ossy Dwi Endah W., Dwi Susanto (2013). Image Processing for Save Life Predictions of Tomato Fruit using RGB Method. International Journal of Computer Applications.
6. Daniel T. Larose and Chantal D. Larose (2014). Discovering Knowledge in Data: An Introduction to Data Mining. IEEE Computer Society.
7. Ismail Bin Mohamad and Dauda Usman (2013). Standardization and Its Effects on K-Means Clustering Algorithm. Journal of Applied Sciences, Engineering and Technology 6(17).
8. Luefeng Chen, Mengtian Zhou, Wanjuan Su, Min Wu, Jinhua She and Kaoru Hirotad (2018). Softmax regression based deep sparse autoencoder network for facial emotion recognition in human-robot interaction. Information Science Vol 428.
9. Maurice G. O'Sulliva (2017). Rapid Sensory Profiling Method. A Handbook for Sensory and Cusumer-driven New Product Development.
10. Pankaj B. PathareUmezuruike Linus Opara (2013). Colour Measurement and Analysis in Fresh and Processed Foods: A Review. Colour Measurement and Analysis in Fresh and Processed Foods: A Review. Volume 6. Issue 1.
11. Raúl Rojas (2013). Neural networks: a systematic introduction. Springer Science & Business Media.
12. R.Kalaivani (2013). Identifying the Quality of Tomatoes in Image Processing using MATLAB. International Journal of Advanced Research in Electrical, Electronics and Instrumentation Engineering.
13. Russell C. Eberhart(2014). Neural Network PC Tools: A Practical Guide.
14. Sachi Agrawal, Sakshi Jha, Chitesh Dewangan (2016). Grading of Tomatoes using Digital Image Processing on the Basis of Color.International Journal of Research in Engineering and Technology. Volume 5. Issue 9.
15. Yudong Zhang, Shuihua Wang a, Genlin Ji a, Preetha Phillips b (2014). Fruit classification using computer vision and feedforward neural network. Journal of Food Engineering.
2. กระทรวงเกษตรและสหกรณ์ (2560). สถิติการเกษตรของประเทศไทย ปี 2559. สถิติการเกษตรของเกษตร.
3. นุชรี ธรรมโชติ (2557). การพัฒนาระบบการประมวลผลภาพสำหรับกระบวนการคัดแยกขนาดและ สายพันธุของหมึกกล้วยแปรรูป. วิศวกรรมศาสตร์มหาบัณฑิต สาขาวิชาวิศวกรรมอุตสาหการและระบบ มหาวิทยาลัยสงขลานครินทร์.
4. Alejandra M. Munoz (2013). Sensory Evaluationin Quality Control. Springer Science & Business Media. Page 1-3.
5.Aristoteles, Ossy Dwi Endah W., Dwi Susanto (2013). Image Processing for Save Life Predictions of Tomato Fruit using RGB Method. International Journal of Computer Applications.
6. Daniel T. Larose and Chantal D. Larose (2014). Discovering Knowledge in Data: An Introduction to Data Mining. IEEE Computer Society.
7. Ismail Bin Mohamad and Dauda Usman (2013). Standardization and Its Effects on K-Means Clustering Algorithm. Journal of Applied Sciences, Engineering and Technology 6(17).
8. Luefeng Chen, Mengtian Zhou, Wanjuan Su, Min Wu, Jinhua She and Kaoru Hirotad (2018). Softmax regression based deep sparse autoencoder network for facial emotion recognition in human-robot interaction. Information Science Vol 428.
9. Maurice G. O'Sulliva (2017). Rapid Sensory Profiling Method. A Handbook for Sensory and Cusumer-driven New Product Development.
10. Pankaj B. PathareUmezuruike Linus Opara (2013). Colour Measurement and Analysis in Fresh and Processed Foods: A Review. Colour Measurement and Analysis in Fresh and Processed Foods: A Review. Volume 6. Issue 1.
11. Raúl Rojas (2013). Neural networks: a systematic introduction. Springer Science & Business Media.
12. R.Kalaivani (2013). Identifying the Quality of Tomatoes in Image Processing using MATLAB. International Journal of Advanced Research in Electrical, Electronics and Instrumentation Engineering.
13. Russell C. Eberhart(2014). Neural Network PC Tools: A Practical Guide.
14. Sachi Agrawal, Sakshi Jha, Chitesh Dewangan (2016). Grading of Tomatoes using Digital Image Processing on the Basis of Color.International Journal of Research in Engineering and Technology. Volume 5. Issue 9.
15. Yudong Zhang, Shuihua Wang a, Genlin Ji a, Preetha Phillips b (2014). Fruit classification using computer vision and feedforward neural network. Journal of Food Engineering.
Downloads
เผยแพร่แล้ว
2018-12-26
ฉบับ
บท
บทความทางวิชาการ
License
