การจำแนกความสุกของผลกาแฟด้วยการประมวลผลภาพปริภูมิสี
คำสำคัญ:
การจำแนกประเภท, ความสุก, ผลกาแฟ, การประมวลผลภาพ, ปริภูมิสี HSVบทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อนำเสนอวิธีการจำแนกความสุกของผลกาแฟจากภาพถ่าย โดยวิธีจำแนกจากความสุก 4 แบบ คือ สีแดง-สุก สีเหลือง-กึ่งสุกกึ่งดิบ สีเขียว-ดิบ สีน้ำตาล-สุกมาก โดยวิเคราะห์จากคุณลักษณะของสีด้วยการประมวลผลภาพ ซึ่งขั้นตอนการวิจัยประกอบไปด้วย 1) การแปลงค่าสีจาก RGB เป็นปริภูมิสี HSV 2) การตรวจจับสีที่อยู่ในช่วงสี HSV ที่กำหนด 3) การตรวจจับรูปทรงของวัตถุ และ 4) การตีกรอบวัตถุ ผลการทดสอบประสิทธิภาพของระบบด้านความแม่นยำในการจำแนกผลกาแฟจากภาพถ่าย พบว่า 1) สีแดง-สุก มีประสิทธิภาพ 97% 2) สีเหลือง-กึ่งสุกกึ่งดิบ มีประสิทธิภาพ 95.67% 3) สีเขียว-ดิบ และ 4) สีน้ำตาล-สุกมาก มีประสิทธิภาพ 100% ดังนั้นประสิทธิภาพของระบบโดยเฉลี่ยอยู่ที่ 98.17% มีประสิทธิภาพอยู่ในระดับสูงมาก สามารถสรุปได้ว่าวิธีการจำแนกความสุกของผลกาแฟจากภาพถ่ายจะเป็นประโยชน์อย่างมากสำหรับการนำไปใช้ในการพัฒนาเครื่องคัดแยกสีของผลกาแฟ
References
กวิน ชินพงศ์, อสมา ตั้งปรมัตถ์สกุล, ธัญรดา โพธิ์พระรส, ทศพร บุญชู, ปกรณ์ ล่องทอง, พร พันธุ์จงหาญ และพีรุทย์ เชียรวิชัย. (2564). การสกัดคุณลักษณะเอบีซีดีเพื่อประเมินความเสี่ยงโรคผิวหนังเมลาโนมาด้วยการ ประมวลผลภาพ: การทบทวนวรรณกรรม. วารสารวิชาการราชวิทยาลัยจุฬาภรณ์, 3(4), 230-245.
ธนโชติ ภาชะนัย, จักรกริช ปานเงิน, กรรณิการ์ คนงาน, วรชัย ศรีสมุดคำ และวาสนา วงศ์ษา. (2565). เครื่องคัดแยกขยะรีไซเคิลด้วย การประมวลผลภาพ. วารสารวิชาการเทคโนโลยีอุตสาหกรรมและวิศวกรรม มหาวิทยาลัยราชภัฏพิบูลสงคราม, 4(2), 242-253.
นภารัตน์ ชูไพร, เอกรินทร์ วิจิตต์พันธ์, พิมพ์ชนก แก้วอุดม และชุติมา ยอดเกื้อ. (2565). การพัฒนาระบบพาณิชย์อิเล็กทรอนิกส์ สำหรับเพิ่มช่องทางการจำหน่ายผลิตภัณฑ์กาแฟวิสาหกิจชุมชนบ้านถ้ำสิงห์ จังหวัดชุมพร.วารสารวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยอุบลราชธานี, 24(3), 39-49.
บอย ดาศรี และนรภัทร สานุจิตร. (2564). ระบบการตรวจจับไฟไหม้ด้วยวิธีการหาเส้นขอบของภาพและระบบสี HSV. วารสารวิทยาศาสตร์เทคโนโลยีและนวัตกรรม, 2(1), 10-14.
พิศณุ คูมีชัย. (2564). ระบบรู้จำสัญญาณมือทางทหารด้วยการประมวลผลภาพดิจิทัล. วารสารวิทยาศาสตร์เทคโนโลยีและนวัตกรรม, 2(5), 28-36.
พิศณุ คูมีชัย. (2565). การประมาณน้ำหนักสุกรโดยใช้การประมวลผลภาพและโครงข่ายประสาทเทียม. วารสารวิชาการโรงเรียนนายเรือด้านวิทยาศาสตร์และเทคโนโลยี, 5(1), 72-82.
วีระยุทธ สุริคำ, นพดล อ่ำดี และชัยธำรง พงษ์พัฒนศิริ. (2564). การจำแนกความสุกของกล้วยฉาบด้วยเทคนิคการ ประมวลผลภาพ. วารสารวิชาการเทคโนโลยีอุตสาหกรรมและวิศวกรรม มหาวิทยาลัยราชภัฏพิบูลสงคราม, 3(1), 55-67.
อรอุมา พร้าโมต. (2564). การวิเคราะห์ระดับความสุกของกล้วยจากภาพถ่ายด้วยโมเดลสีอาร์จีบีและการเรียนรู้ แบบมีผู้สอน. วารสารวิทยาศาสตร์และเทคโนโลยี มทร. สุวรรณภูมิ
(The Journal of Science and Technology RMUTSB), 5(พิเศษ), 34-34.
เอกรัตน์ สุขสุคนธ์, ชลทิศ สันติวงศ์งาม, วัชรพล คำแขก และศศิชา ปานสุวรรณ์. (2565). ระบบวิเคราะห์การสุกของ ผลไม้ด้วยเทคโนโลยีการประมวลผลภาพ. วารสารวิทยาการและเทคโนโลยีสารสนเทศ (JIST), 12(1), 61-66.
Dubey, S.R., & Jalal, A.S. (2012). Detection and classification of apple fruit diseases using complete local binary patterns. Paper presented at the 2012 Third International Conference on Computer and Communication Technology. Allahabad, India.
Dubey, S.R., & Jalal, A. (2012). Robust approach for fruit and vegetable classification. Procedia Engineering, 38, 3449-3453.
Jansuwan, P., & Zander, K. K. (2021). Getting Young People to Farm: How Effective Is Thailand’s Young Smart Farmer Programme? Sustainability.MDPI Journal, 13(21), 11611.
Kumari, R.S.S., & Gomathy, V. (2018). Fruit classification using statistical features in svm classifier. Paper presented at the 2018 4th International Conference on Electrical Energy Systems (ICEES). Chennai, India.
Pardede, J., Husada, M.G., Hermana, A.N., & Rumapea, S.A. (2019). Fruit Ripeness Based on RGB, HSV, HSL, L ab Color Feature Using SVM. Paper presented at the 2019 International Conference of Computer Science and Information Technology (ICoSNIKOM). Medan, Indonesia.
