การประยุกต์ใช้ YOLOv5 และ ReLU ในการพยากรณ์สภาพอากาศสำหรับบริการอุตุนิยมวิทยาการบิน
Article Sidebar
Main Article Content
บทคัดย่อ
บทความนี้เปรียบเทียบการเรียนรู้เชิงลึก YOLOv5 และ ReLU เพื่อสร้างระบบทำนายสำหรับบริการอุตุนิยมวิทยาสำหรับการนำทางทางอากาศ โดยมีผลการพยากรณ์ทั้งหมด 5 ประเภท: BKN, CAVOK, FEW, OVER และ SCT ข้อมูลแสดงสำหรับการประเมินภาพคือการสังเกตลักษณะของเมฆที่จัดกลุ่มกันและเปรียบเทียบกับปริมาณในท้องฟ้าโดยใช้หน่วยวัด "โอกตา" ซึ่งแบ่งภาพออกเป็น 8 ส่วน ดังนั้น ลักษณะการใช้การเรียนรู้เชิงลึกในบทความนี้คือการสอนการเรียนรู้เชิงลึกให้รู้จำลักษณะภาพต่างๆ ทั้งในเวลากลางวันและกลางคืนเพื่อใช้ผลการพยากรณ์ในการแจ้งเงื่อนไขสภาพอากาศในท้องฟ้า กระบวนการในบทความนี้ประกอบด้วย 3 ขั้นตอน: ขั้นตอนแรกคือการฝึกข้อมูลด้วยภาพที่มีลักษณะต่างๆ จาก 5 ประเภทข้อมูล ขั้นตอนต่อไปคือการทดสอบความแม่นยำของน้ำหนักที่สร้างจากการฝึกและขั้นตอนการฝึก ขั้นตอนสุดท้ายคือการใช้ค่าน้ำหนักในการสร้างระบบตัดสินใจสำหรับผู้ใช้ จากการทดลอง ชุดข้อมูลส่วนตัวในบทความนี้ใช้ภาพมากกว่า 10,000 ภาพเข้าร่วมในการทดลอง ผลการทดลองพบว่าผลลัพธ์เฉลี่ยของความแม่นยำของอัลกอริทึม YOLOv5 และ ReLU สามารถวัดความแม่นยำเฉลี่ยได้ที่ 80.88% และ 76.82% ตามลำดับ
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความนี้เป็นลิขสิทธิ์ของวารสาร Engineering Transactions คณะวิศวกรรมศาสตร์และเทคโนโลยี มหาวิทยาลัยเทคโนโลยีมหานคร
References
G. Kim, J. G. Choi, M. Ku, H. Cho and S. Lim, "A Multimodal Deep Learning-Based Fault Detection Model for a Plastic Injection Molding Process," in IEEE Access, vol. 9, pp. 132455-132467, 2021.
M. Gwak, K. S. Kim and P. Park, "Explainable AI Framework with Multi-Source Data-Driven Anomaly Detection for Injection Molding Machines," 2024 14th Asian Control Conference (ASCC), Dalian, China, 2024, pp. 1-5.
Q. Huang, "Design and Implementation of Image Recognition System Based on AI Intelligent Video Technology," 2023 2nd International Conference on Data Analytics, Computing and Artificial Intelligence (ICDACAI), Zakopane, Poland, 2023, pp. 687-691, doi: 10.1109/ICDACAI59742.2023.00137.
N. Jundang and S. Sitjongsataporn, "Coordinated-axis Weight for Real-Time Trace Transform," 2023 International Electrical Engineering Congress (iEECON), Krabi, Thailand, pp. 184-187, 2023.
N. Jundang, "Development of Trace Transform using Machine Learning for reducing the tracing line calculation," 2022 International Electrical Engineering Congress (iEECON), pp. 1-4, 2022.
X. Ai, "The Construction of an Online Education Platform Under the Background of Big Data and Intelligent Data Interaction: The Realization of Interaction Based on C#," 2022 Second International Conference on Artificial Intelligence and Smart Energy (ICAIS), Coimbatore, India, 2022, pp. 545-548.
Z. Li, N. Ye and Y. He, "Meteorological Data Transmission Management System Based on Multi-source Satellite Data," 2023 IEEE 2nd International Conference on Electrical Engineering, Big Data and Algorithms (EEBDA), Changchun, China, 2023, pp. 1343-1346.
Y. Luo, "Storm Streaming Technology Applied to Intelligent Analysis of Meteorological Data in the Era of Big Data," 2023 International Conference on Networking, Informatics and Computing (ICNETIC), Palermo, Italy, 2023, pp. 793-796.
W. Shan, H. Zhang, Y. Luan, H. Li and J. Zhu, "Research on Meteorological Data Quality Control Based on Association Rule Algorithm," 2024 7th International Conference on Advanced Algorithms and Control Engineering (ICAACE), Shanghai, China, 2024, pp. 766-770.
Y. Chen, K. Hayawi, J. He, H. Song and J. Wang, "Impact and Challenges of Intelligent IoT in Meteorological Science," in IEEE Internet of Things Magazine, vol. 6, no. 2, pp. 58-63, June 2023.
Raut, Bhupendra A., Muradyan, Paytsar, Sankaran, Rajesh, Jackson, Robert C., Park, Seongha, Shahkarami, Sean A., Dematties, Dario, Kim, Yongho, Swantek, Joseph, Conrad, Neal, Gerlach, Wolfgang, Shemyakin, Sergey, Beckman, Pete, Ferrier, Nicola J., and Collis, Scott M. Optimizing cloud motion estimation on the edge with phase correlation and optical flow. United States: N. p., 2023.
Jocher, G.; Chaurasia, A.; Qiu, J. YOLO by Ultralytics. 2023. Available online: https://github.com/ultralytics/ultralytics