การพัฒนาโปรแกรมประมวลภาพสำหรับตรวจจับผลไม้ในงานด้านการเกษตร

สมาชิกผู้จัด

1. นายธีระภพ เพ็ชรนิล โครงการ วมว. ปีการศึกษา 2562 โรงเรียนดรุณสิกขาลัย
2. นางสาวธวัลรัตน์ บุญญานุวัตร โครงการ วมว. ปีการศึกษา 2562 โรงเรียนดรุณสิกขาลัย
3. นายสรวิศ วงศ์ษา โครงการ วมว. ปีการศึกษา 2562 โรงเรียนดรุณสิกขาลัย

วัตถุประสงค์

1. เพื่อศึกษาวิธีการทางการตรวจจับวัตถุ พร้อมระบุชนิดของวัตถุต่าง ๆ ในรูปภาพหรือวิดีโอที่ต้องการประมวลผล เพื่อทําการจําแนกวัตถุต่าง ๆ และหาข้อจํากัดในการตรวจจับวัตถุในรูปภาพหรือวิดีโอ
2. เพื่อทดลองหาวิธีลดความผิดพลาดในการตรวจจับวัตถุ
3. เพื่อศึกษาวิธีการพัฒนาโปรแกรมตรวจจับผลไม้จากภาพ

ภาพรวมของการทำงาน

งานวิจัยนี้เป็นการพัฒนาโปรแกรมสําหรับการตรวจจับวัตถุ ที่จะนําไปประยุกต์ต่อการสร้างชิ้นงานในการจัดเก็บมะเขือเทศ โดยการทํา Image Analytics เพื่อช่วยงานด้านการเกษตร เช่น ทําการตรวจจับ ทําการจําแนก ทําการเก็บผลผลิตทางการเกษตร ที่มีการระบุลักษณะทางกายภาพไว้ในโปรแกรมรวมถึงการเก็บข้อมูลต่าง ๆ ที่ได้จากการทํางานของระบบตรวจจับดังกล่าว เพื่อนําไปปรับใช้งานตามความต้องการ ซึ่งจะนําไปประยุกต์กับชิ้นงานที่มีการปรับใช้เทคโนโลยี IoT ในการส่งข้อมูลจากระบบตรวจจับวัตถุขึ้นสู่ Server เพื่อใช้เป็นฐานข้อมูลสําหรับเก็บเกี่ยวผลผลิตให้เหมาะสม

แผนการดำเนินงาน

การนำเสนอผลการออกแบบ

ช่วงที่ 1 การพัฒนาโปรแกรมตรวจจับวัตถุเพื่องานด้านการเกษตร โดยจะทําการสืบหาและทดลองการทํางานของโปรแกรมตรวจจับวัตถุต่าง ๆ ที่มีให้ศึกษาใน Internet จากนั้นทําการทดลองในส่วนโปรแกรมการตรวจจับวัตถุที่เลือกทําการคัดเลือก Model เพื่อนํามาใช้ในการพัฒนางานในช่วงถัดไป

• Flow Chart การทำงานของเครื่องตรวจจับ

ช่วงที่ 2 การสร้างชิ้นงานสําหรับการจัดเก็บผลไม้ที่จะประสานเทคโนโลยี IoT

• นํา model ที่คัดเลือกมาเป็นเงื่อนไขในการทํา Custom Trained Model ( Custom Trained Model คือ model ที่สามารถแยกแยะประเภทของมะเขือเทศตั้งแต่ติดผลจนกระทั่งพร้อมเก็บผลผลิตที่ต้องการ เช่น ช่วงผลใกล้สุกสําหรับส่งขายในตลาด หรือสุกแล้วสําหรับส่งขายในโรงงาน)
• ทดสอบและปรับแต่ง Custom Trained Model เพื่อตรวจสอบความแม่นยําและการดึงข้อมูลของตําแหน่งมะเขือเทศที่ต้องการจัดเก็บในภาพ เพื่อส่งไปให้กับ Hardware ที่ใช้ในการจัดเก็บผลมะเขือเทศ
• ทําการพัฒนาโปรแกรม เพื่อนําข้อมูล ขึ้นเก็บ บน server ผ่านระบบ IoT
• การรับค่า sensor ต่าง ๆ แล้วส่งค่าไปยังอุปกรณ์อื่น ๆ เพื่อประมวลผลค่าที่ได้รับ
• ดึงข้อมูลของตําแหน่งมะเขือเทศที่ต้องการจัดเก็บ ในภาพ เพื่อส่งไปให้กับ Hardware ที่ใช้ในการจัดเก็บผลมะเขือเทศ
• ทําการพัฒนาชิ้นงานเพื่อรองรับการจัดเก็บผลมะเขือเทศ ซึ่งอาศัยกระบวนการวิเคราะห์วัตถุ และ IoT

สรุปผลการทดลอง

จากการทดลองผู้จัดทําได้ทําการทดลองเพื่อเลือกใช้โมเดลเทรนด์ที่ดีที่สุด โดยได้ทําการทดลองกับโมเดลจํานวน 3 โมเดล คือ ResNet50 , Dense Net, InterceptionV3 โดยการนํารูปภาพของผลไม้ คือ กล้วยและส้มที่มีพื้นหลังเป็นสีเดียวกัน มาทําการทดลองทั้งสิ้น 10 ภาพเพื่อทดสอบประสิทธิภาพการตรวจจับซึ่งผลที่ได้ออกมา คือ โมเดล Resnet50 สามารถตรวจจับวัตถุได้ทุกรูปภาพ จากนั้นจึงได้ทําการทดลองเพิ่มเติม โดยการนําชุดรูปภาพที่มาวัตถุที่สนใจอยู่ในพื้นหลังที่เสมือนสถานการณ์จริงจํานวน 10 ภาพ ซึ่งโมเดล ResNet50 สามารถตรวจจับวัตถุได้ครบทุกภาพ และให้ค่าเปอร์เซ็นต์ความถูกต้องเฉลี่ยอยู่ที่ 96.93% ซึ่งเป็นค่าที่น่าพึงพอใจสําหรับการตรวจจับวัตถุในสถานการณ์จริง จึงได้ข้อสรุปว่า โมเดลที่เราจะเลือกใช้ในการทําโปรแกรมตรวจจับ คือ โมเดลResnet 50 ซึ่งมีประสิทธิภาพในการตรวจจับที่ดี และ สามารถประยุกต์ใช้กับการทํา Custom Trained Model ได้ ซึ่งจะเป็นส่วนของการพัฒนาต่อยอดโครงงาน ในช่วงถัดไป

ข้อเสนอแนะ

• หากเพิ่มมุมในการถ่ายวัตถุตัวอย่างให้มากยิ่งขึ้นจะสามารถครอบคลุมรูปแบบการวิเคราะห์ได้มากยิ่งขึ้น แต่ต้องคํานึงถึงปัจจัยด้านจํานวนภาพตัวอย่างที่จะต้องใช้พื้นที่ในการจัดเก็บมากยิ่งขึ้น
• ในการนําไปประยุกต์ใช้งานจริง อาจจําเป็นต้องทําการถ่ายภาพตัวอย่างจากสถานที่จริงเพื่อลดความผิดพลาดของสภาพแวดล้อมที่ต่างจากภาพตัวอย่างให้ได้มากที่สุด ทั้งนี้ความแม่นยําจะขึ้นกับความคล้ายคลึงของภาพที่ปรากฏจริงกับภาพที่ทําเป็นตัวอย่าง ซึ่งหากภาพที่ต้องการวิเคราะห์มีสภาพคล้ายภาพตัวอย่าง ก็จะมีความแม่นยําสูง
• การทดลองนี้จัดทําเพื่อจะนําไปประยุกต์ต่อในการทําชิ้นงานจัดเก็บผลมะเขือเทศเพราะฉะนั้นทางผู้จัดทําจึงได้ทําการทดลองกับวัตถุที่ค่อนข้างมีสีและรูปร่างที่ชัดเจน แต่ถ้าเปลี่ยนเป็นวัตถุชนิดอื่นอาจให้ผลที่แตกต่างกันไปขึ้นกับความแน่นอนในสีและรูปทรงของวัตถุที่นํามาเป็นตัวอย่างด้วย