|
การศึกษาการตรวจจับสิ่งเจือปนในผักโขมแช่แข็งด้วยการเรียนรู้เชิงลึกโมเดล YOLOv4 |
|---|---|
| รหัสดีโอไอ | |
| Creator | อนุสรณ์ เชื้อสามารถ |
| Title | การศึกษาการตรวจจับสิ่งเจือปนในผักโขมแช่แข็งด้วยการเรียนรู้เชิงลึกโมเดล YOLOv4 |
| Contributor | สุวรรณกาญจน์ สุพมาตรา, ศุภกิตต์ สายสุนทร |
| Publisher | สหวิทยาการและความยั่งยืนปริทรรศน์ไทย |
| Publication Year | 2566 |
| Journal Title | สหวิทยาการและความยั่งยืนปริทรรศน์ไทย |
| Journal Vol. | 12 |
| Journal No. | 2 |
| Page no. | 131-144 |
| Keyword | การเรียนรู้เชิงลึก, การตรวจจับ, การจำแนก, ผักโขมแช่แข็ง, สิ่งเจือปน |
| URL Website | https://so03.tci-thaijo.org/index.php/JIRGS |
| Website title | https://so03.tci-thaijo.org/index.php/JIRGS/article/view/270838 |
| ISSN | 2985-2684 |
| Abstract | ปัจจุบันมีการพัฒนาระบบในการตรวจจับสิ่งเจือปนในผลิตภัณฑ์อาหารแช่แข็ง ซึ่งช่วยในการตรวจสอบคุณภาพและความปลอดภัยในอาหาร การนำระบบการเรียนรู้เชิงลึกที่ใช้แบบจำลอง YOLO มาพัฒนาระบบการตรวจจับสิ่งเจือปนในอาหารแช่แข็งแบบเรียลไทม์ร่วมกับกล้องถ่ายภาพความละเอียดสูง สามารถตรวจจับและระบุตำแหน่งของวัตถุขนาดเล็กได้ ดังนั้นงานวิจัยนี้จึงมีวัตถุประสงค์เพื่อเพิ่มความแม่นยำในการตรวจจับสิ่งเจือปนในอาหาร โดยมีขั้นตอนการวิจัย คือ การเตรียมชุดข้อมูลภาพผักโขม ไม้ แก้ว เชือก พลาสติก และหิน ฝึกสอนแบบจำลอง YOLOv4 ด้วยชุดข้อมูลรูปภาพ และทดสอบและประเมินประสิทธิภาพแบบจำลองด้วย Multiclass confusion matrix ผลการศึกษาพบว่า แบบจำลองนี้มีความแม่นยำโดยรวม (mAP) 76% และมีค่าสูญเสียเฉลี่ย 5.55 กรณีการทดสอบการตรวจจับและจำแนกสิ่งเจือปนบนภาพถ่ายผักโขมรวมกับสิ่งเจือปนเพียง 1 ชนิด พบว่า แบบจำลองมีประสิทธิภาพในการตรวจจับพลาสติกสูงที่สุด รองลงมาคือ เชือก แก้ว หิน และไม้ ตามลำดับ โดยแบบจำลองมีประสิทธิภาพในการตรวจจับพลาสติก มีค่าความถูกต้อง, ค่าความแม่นยำ, ค่ารีคอล และค่าเอฟ-1สกอร์ คือ 52.22%, 52.94%, 55.38% และ 54.14% ตามลำดับ |
