โดรนสำหรับการตรวจสอบการเกิดไฟป่าโดยใช้เทคนิคการเรียนรู้เชิงลึก (Drone for Detecting Forest Fires using Deep Learning Technique)
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์ 3 ข้อ คือ (1) เพื่อพัฒนาต้นแบบโดรนตรวจสอบการเกิดไฟป่าโดยใช้เทคนิค การเรียนรู้เชิงลึก (2) เพื่อพัฒนาระบบการตรวจสอบภาพไฟป่าได้อัตโนมัติ และ (3) เพื่อพัฒนาระบบการแจ้งเตือนการเกิดไฟป่า โดยแบ่งขั้นตอนการทำงานออกเป็น 3 ขั้นตอนหลักๆ คือ ขั้นตอนการเตรียมภาพก่อนการประมวลผล ได้มีการเตรียมภาพตัวอย่างที่ถ่ายจากโดรนนำมาใช้ในการทดสอบ แบ่งออกเป็น 2 กลุ่ม คือกลุ่มภาพที่เกิดไฟป่ามีจำนวน 100 ภาพ และภาพที่ไม่เกิดไฟป่าจำนวน 100 ภาพ ขั้นต่อไปเป็นการนำภาพตัวอย่างมาฝึกสอนระบบโดยใช้ไลบราลี่ของเทนเซอร์โฟร์เพื่อสร้างโมเดลการเรียนรู้เชิงลึกในการตรวจสอบไฟป่า ขั้นสุดท้ายขั้นตอนการแสดงผล กลุ่มตัวอย่างที่ใช้ในการศึกษาความพึงพอใจ ผู้เชี่ยวชาญจำนวน 5 คน และผู้ใช้ทั่วไปจำนวน 27 คน เครื่องมือที่ใช้ในการวิจัย ได้แก่ (1) แอปพลิเคชันตรวจสอบการเกิดไฟป่า และ (2) แบบสอบถามความพึงพอใจ สถิติที่ใช้ในการวิจัย ได้แก่ ค่าความถูกต้อง ค่าเฉลี่ย และส่วนเบี่ยงเบนมาตรฐาน ผลการวิจัยพบว่าผลลัพธ์ของค่าความถูกต้องของระบบในการตรวจสอบชุดภาพตัวอย่างไม่มีไฟ มีค่าความถูกต้องร้อยละ 100 สำหรับการตรวจสอบชุดภาพตัวอย่างไฟป่า มีค่าความถูกต้องร้อยละ 90 และการตรวจสอบสถานที่กลางแจ้งมีค่าความถูกต้องร้อยละ 80 และผลการประเมินความพึงพอใจของระบบโดยผู้ใช้งานอยู่ในระดับพึงพอใจระดับมาก ค่าเฉลี่ยเท่ากับ 4.13
Article Details
References
Academic Division of Forest Fire Control Division. (2011). Application of remote sensing techniques in order to assess the burning forest area Forest conservation area. Bangkok: Bureau of Forest Fire Suppression and Control, Department of National Parks, Wildlife and Plant Conservation. (in Thai)
Boonlua, T. (2018). Applying Drone for Generated Building Information Modeling (BIM) for Urban Architecture, the Case study of That Phanom District, Nakhon Phanom Province. Journal of Faculty of Architecture, 26, 137-148. (in Thai)
Carrio, A. Sampedro, C. Rodriguez-Ramos, A. and Campoy, P. (2017). A Review of Deep Learning Methods and Applications for Unmanned Aerial Vehicles. Journal of Sensors,2,1-13.
Fuangpian, T. Muneesawang, P. and Yammen, S. (2011). An Algorithm for Detection of Solder Balls on HGA. Naresuan University Journal, Special Issue, 24-32. (in Thai)
Hongboonmee, N. and Sangtan, K. (2019). Development Application for Identify Thai Banknote by Voice for Blindness via Smartphone. Journal of Information Science and Technology, 2, 24-34. (in Thai)
Jaroenjit, J., Panpanasakul A., Chaisri P., Promduang P. and Prompongusawa S., (2018). Classification pearls using image processing. The Proceedings of the 9th Hatyai National and International Conference, Faculty of Business Administration Building Hat Yai University, 20-21 July 2018, 1679-1691. (in Thai)
Rattanachuchok, P.(2019). Development of Water Quality Measurement Systems Using IoT to Monitor Water Quality through an Application. Sripatum Review of Science and Technology, 11, 7-22. (in Thai)
Yongying, N. (2019). A Deep Learning Approach on Road Detection from Unmanned Aerial Vehicle-Based Images in Rural Road Monitoring. Thesis of the Degree of Master of Science in Geography. Pitsanulok: Naresuan University. (in Thai)
Pholberdee, N. (2018). Wound-Region Segmentation from Image by Using Deep Learning and Various Data Augmentation Methods. Thesis of the Degree of Master of Science in Information Technology. Nakhon Pathom: Silpakorn University. (in Thai)