การจำแนกความสุกของกล้วยฉาบด้วยเทคนิคการประมวลผลภาพ
คำสำคัญ:
การจำแนกความสุกของกล้วยฉาบ, เทคนิคการประมวลผลภาพ, แบบจำลอง RGB และ HSVบทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อนำเสนอวิธีการจำแนกสีกล้วยฉาบจากภาพถ่าย โดยวิเคราะห์ จากคุณลักษณะของสี ได้แก่ แบบจำลอง RGB และ HSV ซึ่งเป็นประโยชน์อย่างมากสำหรับเครื่องทอดกล้วยกึ่งอัตโนมัติที่ขาดการนำระบบอัตโนมัติเข้าไปใช้ในการจำแนกชนิดของสีกล้วยฉาบ ด้วยเหตุนี้งานวิจัยนี้จึงได้พัฒนาวิธีการจำแนกความสุกของกล้วยฉาบด้วยเทคนิคการประมวลผลภาพ ซึ่งให้ผลลัพธ์ความถูกต้องในการตรวจจับสี 86.27% ค่าความครบถ้วน (Recall) 83.06% และค่าความแม่นยำ (Precision) 84.06% และทดสอบประสิทธิภาพการจำแนกสี กล้วยฉาบโดยใช้เทคนิคการประมวลผลภาพ
References
ปัทมพร เก่งการรบ. (2559). การจำแนกชนิดของพลอยอัตโนมัติด้วยคุณลักษณะสี. (วิทยานิพนธ์ปริญญามหาบัณฑิต). มหาวิทยาลัยธรรมศาสตร์, กรุงเทพฯ.
ภัทรพันธ์ วานิชชัย. (2552). การตรวจหาและการจำแนกป้ายจราจรชนิดป้ายเตือนด้วยการ ประมวลผลภาพดิจิทัล. (วิทยานิพนธ์ปริญญามหาบัณฑิต) .สำนักงานวิทยทรัพยากร จุฬาลงกรณ์มหาวิทยาลัย, กรุงเทพฯ.
สยามธุรกิจ. (2561). สสว. ผนึก สถาบันอาหาร ยกระดับ SME มะพร้าวและกล้วย คาดสร้างยอดขาย 120 ลบ. ค้นจาก https://www.siamturakij.com/news/17326
สกุลตลา วรรณปะเข. (2557). การประยุกต์ใช้เทอร์โมไซฟอนช่วยในการกระจายอุณหภูมิของ น้ำมันพืชในเครื่องทอดสุญญากาศ. วารสารวิชาการพระจอมเกล้าพระนครเหนือ, 24(1), 66-74.
สุรศักดิ์ ทรัพยากร. (2548). การประมาณการขาดธาตุไนโตรเจนของถั่วเหลืองจากสีใบโดยใช้โครงข่าย ประสาทเทียม. (วิทยานิพนธ์ปริญญามหาบัณฑิต). จุฬาลงกรณ์มหาวิทยาลัย, กรุงเทพฯ.
สุวรรณ เอกรัมย์. (2556). แบบจำลองความสัมพันธ์ระหว่างจลนศาสตร์ของการเปลี่ยนแปลงสีโดยรวม ของผักสลัดชนิดเดี่ยวกับอัตราการหายใจ. (วิทยานิพนธ์ปริญญามหาบัณฑิต).มหาวิทยาลัยเทคโนโลยีสุรนารี, นครราชสีมา.
เสกสรรค์ วินยางค์กูล. (2563). การวัดระดับความเข้มของสีเมล็ดกาแฟ โดยใช้การประมวลผลภาพแบบฮิสโทแกรมสำหรับการแบ่งระดับเกรดของการคั่วเมล็ดกาแฟ. วารสารวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยอุบลราชธานี, 22(3), 10-20.
Broggi, A., Cerri, P., Medici, P., Porta, P., & Ghisio, G. (2007). Real Time Road Signs Recognition. Intelligent Vehicles Symposium. 981-986.
Ibraheem, A., Hasan, M., & Mishra, K. (2012). Understanding color models: a review. Journal of Science and Technology, 2(3), 265-275.
Kolkur, S., Kalbande, D., Shimpi, P., Bapat, C., & Jatakia, J. (2016). Human Skin Detection Using RGB, HSV and YCbCr Color Models. Advances in Intelligent Systems Research, 137, 324-332.
Saravana, G., Yamuna, G., & Nandhini, S. (2016). Real time implementation of RGB to HSV/HSI/HSL and its reverse color space models. International Conference on Communication and Signal Processing (ICCSP), 2(3).
