การประยุกต์ใช้เทคนิคการเรียนรู้เชิงลึกเพื่อวัดระดับความหวานของแตงโมผ่านสมาร์ทโฟน

Main Article Content

ณัฐวดี หงษ์บุญมี
ณัฐพงศ์ จันต๊ะวงศ์

บทคัดย่อ

งานวิจัยนี้นำเสนอการพัฒนาระบบอัตโนมัติสำหรับวิเคราะห์ความหวานและพันธุ์แตงโมด้วยภาพถ่ายโดยประยุกต์ใช้เทคนิคการเรียนรู้เชิงลึกสำหรับใช้งานบนสมาร์ทโฟนเพื่ออำนวยความสะดวกสำหรับบุคคลทั่วไปที่ต้องการทราบชื่อพันธุ์และความหวานแตงโม ส่วนประกอบหลักของระบบประกอบด้วย (1) การสร้างโมเดลจำแนกพันธุ์และระดับความหวานของแตงโมด้วยโครงข่ายประสาทเทียมการเรียนรู้เชิงลึกผ่านไลบรารี TensorFlow โดยนำอัลกอริทึม InceptionV3 และ MobileNet มาทำการทดลองเปรียบเทียบการจำแนกภาพ ซึ่งฝึกสอนให้สามารถจำแนกภาพจำนวน 4 ประเภท ประเภทละ 100 ภาพ ฝึกสอนจำนวน 500 รอบ ผลการทดลองพบว่าโมเดลจากอัลกอริทึม InceptionV3 มีค่าความถูกต้องที่เท่ากับโมเดลจากอัลกอริทึม MobileNet ค่าความถูกต้องเท่ากับ 97.20% แต่จากการพิจารณาขนาดของโมเดลที่ได้จากการเรียนรู้ พบว่า MobileNet มีขนาดของโมเดลเล็กกว่า InceptionV3 ดังนั้นจึงเลือกโมเดลจาก MobileNet ไปพัฒนาระบบต่อไป (2) การนำโมเดลจากอัลกอริทึม MobileNet ไปพัฒนาเป็นแอปพลิเคชันบนสมาร์ทโฟน ดำเนินการพัฒนาด้วยโปรแกรม Android Studio ผลการทดสอบความพึงพอใจการใช้แอปพลิเคชันจากผู้ใช้พบว่าความพึงพอใจเฉลี่ยเท่ากับ 4.34 ส่วนเบี่ยงเบนมาตรฐาน 0.62 อยู่ในเกณฑ์ระดับดี สามารถสรุปได้ว่าแอปพลิเคชันนี้มีประสิทธิภาพสามารถนำไปใช้งานจริงได้

Article Details

How to Cite
[1]
หงษ์บุญมี ณ. และ จันต๊ะวงศ์ ณ., “การประยุกต์ใช้เทคนิคการเรียนรู้เชิงลึกเพื่อวัดระดับความหวานของแตงโมผ่านสมาร์ทโฟน”, JIST, ปี 10, ฉบับที่ 1, น. 59–69, มิ.ย. 2020.
บท
บทความวิจัย Soft Computing:

References

E. MuengKasem, “Watermelon Secrets We Never Knew: I Love Nature Set,” 1st ed. Bangkok: Nanmeebooks Kiddy, 2016.

T. Chaerueangyot, “Growing crops and making good money,” 1st ed. Bangkok: Agricultural Knowledge Distribution Club, 2015.

Q. Wu, Y. Liu, Q. Li, S. Jim and F. Li, “The Application of Deep Learning in Computer Vision,” in Proceeding of 2017 Chinese Automation Congress (CAC), Jinan, China, 2017, pp. 6522–6527.

P. Chandran, B. Byju, R. Deepak, K. Nishakumari, P. Devanand and P. Sasi, “Missing Child Identification System using Deep Learning and Multiclass SVM,” in Proceeding of 2018 IEEE Recent Advances in Intelligent Computational Systems (RAICS), Thiruvananthapuram, India, 2018, pp. 113–116.

B. Debnath, M. O’Brien, M. Yamaguchi and A. Behera, “Adapting MobileNets for Mobile Based Upper Body Estimation,” in Proceeding of 2018 15th IEEE International Conference on Advanced Video and Signal Based Surveillance (AVSS), Auckland, New Zealand, 2018.

C. Szegedy, V. Vanhoucke, S. Ioffe, J. Shlens, and Z. Wojna, Rethinking the Inception Architecture for Computer Vision. In Proceeding of 2016 IEEE Conference on Computer Vision and Pattern Recognition, Las Vegas, Nevada, 2016, pp. 2818-2826.

F. Ertam and G. Aydin, “Data Classification with Deep Learning using Tensorflow,” in Proceeding of 2017 International Conference on Computer Science and Engineering (UBMK), Antalya, Turkey, 2018, pp. 755–758.

KBThaiscale, “Brix Refractometer 0-32%,”2019. [Online].Available:http://www.kbthaiscale.com/product/489. [Accessed: April 11, 2020].

C. Sarawong, S. Somabut, P. Imtongkhum, C. Pimson and C. So-In, “Notification Validation and Identification Systems of Lost Dog,” in Proceeding of 14th National Conference on Computing and Information Technology (NCCIT), King Mongkut’s University of Technology North Bangkok, Chiang Mai, 2018, pp. 678–685.

P. Wairotchanaphutha, N. Boonsirisumpun, W. Puarungroj, “Detection and Classification of Vehicles using Deep Learning Algorithm for Video Surveillance Systems,” in Proceeding of 14th National Conference on Computing and Information Technology (NCCIT), King Mongkut’s University of Technology North Bangkok, Chiang Mai, 2018, pp. 402–407.

A. Rangsuk, T. Kungkajit, “Classification of Amulets using Deep Learning Techniques,” in Proceeding of 10th National Conference on Information Technology (NCIT), Mahasarakhan University, Khon Kaen, 2018, pp. 190–194.

L. Pan, S. Pouyanfar, H. Chen, J. Qin and S. Chen, "DeepFood: Automatic Multi-Class Classification of Food Ingredients Using Deep Learning", 2017 IEEE 3rd International Conference on Collaboration and Internet Computing (CIC), San Jose, CA, 2017, pp. 181-189.

A. V. Singh, Content-based Image Retrieval using Deep Learning, New York: Rochester Institute of Technology, 2015.

E. Pacharawongsakda, “An Introduction to Data Mining Techniques,” 2nd ed. Bangkok: Data cube, 2014.