การแบ่งส่วนภาพปลานิลสองขั้นตอนโดยใช้การเรียนรู้อย่างลึกด้วยเครือข่ายคอนโวลูชันพีระมิดเชิงพื้นที่
รหัสดีโอไอ
Creator นฤพร เต็งไตรรัตน์
Title การแบ่งส่วนภาพปลานิลสองขั้นตอนโดยใช้การเรียนรู้อย่างลึกด้วยเครือข่ายคอนโวลูชันพีระมิดเชิงพื้นที่
Contributor เพชรรัช ปะระไทย และ ชัชวาลย์ ชัยชนะ
Publisher มหาวิทยาลัยแม่โจ้
Publication Year 2024
Journal Title วารสารแม่โจ้เทคโนโลยีสารสนเทศและนวัตกรรม
Journal Vol. 10
Journal No. 2
Page no. 14 ถึง 31
Keyword การแบ่งส่วนภาพ, การเรียนรู้เชิงลึก YOLO, การเรียนรู้ของเครื่อง, วิสัยทัศน์คอมพิวเตอร์
URL Website https://mitij.mju.ac.th/
Website title วารสารแม่โจ้เทคโนโลยีสารสนเทศและนวัตกรรม
ISSN ISSN 3027-7280 (Online)
Abstract ปลานิลเป็นปลาที่สำคัญที่สุดในอุตสาหกรรมการเลี้ยงสัตว์น้ำของประเทศไทย งานวิจัยนี้เสนอ วิธีการการสร้างแบบจำลอง Tilapia Image Segmentation ด้วยวิธีการเรียนรู้อย่างลึกด้วยเครือข่ายคอนโวลูชันพีระมิดเชิงพื้นที่โดยใช้ YOLOv8 เพื่อระบุพิกเซลของปลานิลที่ว่ายอยู่ในน้ำขุ่น โดยสร้างชุดรูปภาพปลานิลในน้ำจากกล้องบันทึกภาพใต้น้ำ กระบวนการฝึกฝน Tilapia Image Segmentation แบบ Supervised Deep Transferred Learning การวิเคราะห์โครงสร้างแบบจำลอง YOLOv8 และเปรียบเทียบประสิทธิภาพการแบ่งส่วนภาพปลานิลระหว่างแบบจำลองจากวิธี YOLOv8 และวิธี Mask R-CNN จากผลการทดสอบแสดงให้เห็นว่า แบบจำลองแบ่งกลุ่มพิกเซลปลานิลของวิธี YOLOv8 มีความแม่นยำในการแบ่งส่วนภาพปลานิลในหลากหลายมุมมอง ได้ดีกว่าแบบจำลองที่สร้างด้วยวิธี Mask R-CNN ถึงร้อยละ 6 ของค่าเฉลี่ยความแม่นยำ วิธี YOLOv8 ใช้จำนวนชุดคำสั่งในการฝึกฝนเรียนรู้ของแบบจำลองน้อยกว่าวิธี Mask R-CNN ถึงร้อยละ 54.6 และมีค่าพื้นที่ใต้เส้นโค้ง (Area Under the Curve: AUC) ที่ระดับ 0.988 นอกจากนี้วิธี YOLOv8 สามารถแบ่งพิกเซลของปลานิลจากรูปภาพที่มีความขุ่นของน้ำและความไม่ชัดเจนของตัวปลาได้ โดยไม่มีกระบวนการรปรับปรุงคุณภาพของรูปภาพ
มหาวิทยาลัยแม่โจ้

บรรณานุกรม

EndNote

APA

Chicago

MLA

ดิจิตอลไฟล์

Digital File
DOI Smart-Search
สวัสดีค่ะ ยินดีให้บริการสอบถาม และสืบค้นข้อมูลตัวระบุวัตถุดิจิทัล (ดีโอไอ) สำนักการวิจัยแห่งชาติ (วช.) ค่ะ