การพัฒนาระบบคัดกรองโควิด-19 ก่อนเข้าสถานที่ทำงานด้วยโครงข่ายประสาทเทียมเชิงลึก
คำสำคัญ:
โควิด-19, การตรวจจับหน้ากากอนามัย, โครงข่ายประสาทเทียมเชิงลึกบทคัดย่อ
การคัดกรองบุคคลเข้าสถานที่ทำงานเพื่อยับยั้งการแพร่กระจายเชื้อโควิด-19 สิ่งสำคัญคือ การตรวจสอบการสวมหน้ากากอนามัย ระดับอุณหภูมิในร่างกายปกติ และต้องล้างมือด้วยเจลแอลกอฮอล์ก่อนเข้าพื้นที่ทำงาน งานวิจัยนี้จึงมีแนวคิดนำเทคโนโลยีเข้ามาช่วยในการตรวจสอบเบื้องต้น ด้วยการตรวจเช็คการสวมหน้ากากอนามัยด้วยการประมวลผลภาพ โดยใช้หลักการโครงข่ายประสาทเทียมเชิงลึก แล้วประมวลผลด้วยบอร์ดราสเบอร์รี่พาย แจ้งเตือนด้วยเสียงพูด และมีการตรวจเช็คอุณหภูมิผ่านเซนเซอร์วัดอุณหภูมิแบบไร้สาย โดยมีการแสดงผลผ่านจอแอลซีดี เมื่อผ่านการตรวจสอบการสวมหน้ากากอนามัยแล้ว ระบบจะแจ้งให้ผู้รับบริการทำการรับเจลแอลกอฮอล์ที่มีอัลตราโซนิคเซนเซอร์ตรวจจับฝ่ามือ เพื่อสั่งการเซอร์โวมอเตอร์ทำการจ่ายเจลแอลกอฮอล์ เมื่อผู้ใช้บริการผ่านการคัดกรอง จากนั้นแขนกั้นจะทำการเปิดทางให้เข้าใช้บริการ ผลการทดสอบอัลกอริทึมบนคอมพิวเตอร์ในการตรวจพบหน้ากากอนามัย ค่าความถูกต้องสูงสุดอยู่ที่ 97.2% สำหรับการวัดประสิทธิภาพของระบบคัดกรองบุคคลเข้าสถานที่ทำงานอยู่ที่ 21.54 วินาทีต่อบุคคล พบว่าระบบสามารถนำไปใช้งานคัดกรองบุคคลเข้าสถานที่ทำงานได้จริง
References
ณัฐวดี หงส์บุญมี, และคณิน ประทุมทอง. (2563). ระบบวิเคราะห์ธนบัตรปลอมด้วยภาพถ่ายผ่านสมาร์ทโฟนโดยใช้เทคนิคการเรียนรู้เชิงลึก. Journal of Information Science and Technology, 10(2), 90-100.
พิมพา ชีวาประกอบกิจ. (2562). การปรับปรุงประสิทธิภาพในการจำแนกภาพด้วยโครงข่ายประสาทเทียมแบบคอนโวลูชันโดยใช้เทคนิคการเพิ่มภาพ. Journal of Engineering and Technology, 7(1), 59 – 64.
ราเมศวร์ ด้วงรักษา, อำนวย ดีฤทธิ์, ธนิรัตน์ ยอดดำเนิน และภูมินทร์ ตันอุตม์. (2564, กุมภาพันธ์). การตรวจจับการสวมหน้ากากอนามัยโดยประยุกต์ใช้โครงข่ายประสาทเทียมเชิงลึกและโครงข่ายประสาทเทียมแบบคอนโวลูชัน. รายงานสืบเนื่องการประชุมวิชาการระดับชาติ ครั้งที่ 1, มหาวิทยาลัยราชภัฏกำแพงเพชร, 671-680.
สยมพร ศิรินาวิน. (2563). “โควิด-19” ความรู้ สู่ปัญญา พัฒนาการปฏิบัติ. นนทบุรี: บริษัท โอ เอส พริ้นติ้ง เฮ้าส์ จำกัด.
อนุชา ดีผาง, และนิติคม อริยพิมพ์. (2564). การออกแบบและสร้างเครื่องจ่ายเจลแอลกอฮอล์แบบอัตโนมัติ. วารสารวิจัยและนวัตกรรมการอาชีวศึกษา, 5(1), 120 – 126.
Albertus, J. S., & Raymond, E. S. (2022). Automatic Face Mask Detection Based on MobileNet V2 and Densenet 121 Models. ICIC International, 16(4), 433-440.
Pavan, N. A., Janardhan, G., Deepak, S., & Pujith, S. P. (2021). Smart Door/COVID-19 Face Mask Detection. International Journal of Innovation Technology and Exploring Engineering, 10.
Rizki, P. S., & Esmeralda, C. D. (2021, September). Face Mask Detection using Convolutional Neural Network. IC2IE, International Conference on Computer and Information Engineering 4th, Depok, Indonesia.
Shabir, H., Yang, Y., Muhammad, A., Akmal, K., Rukhshanda, R., Junaid, A. W., & Weiyan, H. (2021). IoT and Deep Learning Based Approach for Rapid Screening and Face Mask Detection for Infection Spread Control of COVID-19. Applied Sciences, 11(8). 3495.
Shivam, S., Shikhar, M., & Chitra, N. (2021). Face Mask Detection using Mobilenet Technique. Journal of Computer Applications. 183(13)ม 36-40.
Sufia, J. B. S. A., Hu, N., Timothy, T. V. Y., Hau, L. T., Vik, T. G., & Dong, T. C. (2022, January). Face Mask Detection Using Deep Learning. Proceedings of the International Conference on Computer, Information Technology and Intelligent Computing, Coimbatore, India.
Trvambak, H., Santhosh, K., & Chakradhara, R. (2022). Real Time Face Mask Detection Using MobileNet V2. Journal of Emerging Technologies and Innovative Research, 10(6), c85-c87.
Vatsal, P, & Dhruti, P. (2021). Face Mask Recognition Using MobileNet V2. International Journal of Scientific Research in Computer Science, Engineering and Information Technology, 26, 35-42. Doi: 10.32628/CSEIT1217519
