| ชื่อบทความ |
การเปรียบเทียบประสิทธิภาพของโมเดลจำแนกภาพสำหรับโรคใบข้าวโพด
|
| ชื่อบทความ(English) |
Performance Comparison of Image Classification Models for Corn Leaf Disease
|
|
|
|
| ประเภทบทความ |
บทความวิจัย
|
| ชื่อผู้แต่ง |
ภานุวัฒน์ เมฆะ* พฤติพงศ์ มุสิกอง ณัฐภาส ผลากอง พาสน์ ปราโมกข์ชน และพยุงศักดิ์ เกษมสำราญ (Panuwat Mekha*, Phoatipong Musikong, Nuttapas Palakong, Part Pramokchon, and Payungsak Kasemsumran) * ผู้นิพนธ์ประสานงาน: ภานุวัฒน์ เมฆะ อีเมล : panutwat_m@mju.ac.th
|
| หน่วยงาน |
สาขาวิชาวิทยาการคอมพิวเตอร์ คณะวิทยาศาสตร์ มหาวิทยาลัยแม่โจ้ (Department of Computer Science, Faculty of Science, Maejo University, ChiangMai)
|
| ชื่อวารสาร |
วารสารแม่โจ้เทคโนโลยีสารสนเทศและนวัตกรรม ปีที่ 9 ฉบับที่ 2 กรกฎาคม – ธันวาคม 2566
|
| บทคัดย่อ |
การวิจัยครั้งนี้ได้ดำเนินการการเปรียบเทียบประสิทธิภาพของโมเดลจำแนกภาพสำหรับโรคใบข้าวโพดที่ใช้เครื่องมือของไมโครซอฟต์อาชัวร์ในการจำแนกประเภทภาพโรคใบข้าวโพด โดยมีวัตถุประสงค์ในการเปรียบเทียบประสิทธิภาพความแม่นยำของโมเดล ขนาดของโมเดล และเวลาที่ใช้ในการประมวลผลของโมเดลในการจำแนกภาพโรคใบข้าวโพด ได้แก่ InceptionV3, VGG16, Xception และ Custom Visionซึ่งใช้ชุดข้อมูลโรคใบข้าวโพด 4 ชนิด ได้แก่ โรคใบไหม้แผลใหญ่ โรคราสนิม โรคใบจุดสีเทา และปกติ สำหรับใช้เป็นข้อมูลชุดเรียนรู้ด้วยวิธีการเรียนรู้ด้วยเครื่องจักรเพื่อสร้างเป็นโมเดลและใช้เป็นข้อมูลชุดทดสอบโมเดลที่สร้างขึ้นในการจำแนกภาพโรคใบข้าวโพด ซึ่งจากผลการทดลองพบว่าโมเดลที่มีประสิทธิภาพในการจำแนกภาพโรคใบข้าวโพดได้ดีที่สุด คือ Custom Vision ด้วยค่าความถูกต้องของโมเดล เท่ากับร้อยละ 98.1 และมีขนาดของโมเดล เท่ากับ 21.2 เมกะไบต์ และเวลาที่ใช้ในการประมวลผลของโมเดล เท่ากับ 6.89 วินาที
|
| คำสำคัญ |
โรคใบข้าวโพด, การเปรียบเทียบประสิทธิภาพ, โมเดลจำแนกภาพ
|
| ปี พ.ศ. |
2566
|
| ปีที่ (Vol.) |
9
|
| ฉบับที่ (No.) |
2
|
| เดือนที่พิมพ์ |
กรกฎาคม - ธันวาคม
|
| เลขที่หน้า (Page) |
1-16
|
| ISSN |
ISSN 3027-7280 (Online)
|
| DOI |
10.14456/mitij.2023.6
|
| ORCID iD |
0009-0003-0971-3090
|
| ไฟล์บทความ |
https://mitij.mju.ac.th/ARTICLE/R66010.pdf
|
| | |
| เอกสารอ้างอิง | |
| |
Codebasics “Image classification using CNN (CIFAR10 dataset) | Deep Learning Tutorial 24 (TensorFlow & Python)”. [ระบบออนไลน์]
แหล่งที่มา https://www.youtube.com/watch?v=7HPwo4wnJeA
|
| |
J, ARUN PANDIAN; GOPAL, GEETHARAMANI (2019), “Data for: Identification of Plant Leaf Diseases Using a 9-layer Deep Convolutional Neural Network”, Mendeley Data, V1, doi: 10.17632/tywbtsjrjv.1
|
| |
Keng Surapong “Transfer Learning คืออะไร สอน Transfer Learning จากโมเดล MobileNet JSON ไป Retrain เทรนต่อ ภาพจากกล้อง Webcam ด้วย TensorFlow.js – tfjs ep.10”. [ระบบออนไลน์]
แหล่งที่มา https://www.bualabs.com/archives/3493/what-is-transfer-learning-build-headless-mobilenet-model-transfer-learning-machine-learning-mobilenet-json-retrain-webcam-tensorflow-js-tfjs-ep-10/
|
| |
Khoo, J. J. D., Lim, K. H., Nistah, N. N. M., & Basuki, T. A. (2021, July). Deep Learning Mobile App Based Microscopic Leaf Imaging Disease Classification with Azure Cloud Computing Service. In 2021 International Conference on Green Energy, Computing and Sustainable Technology (GECOST) (pp. 1-6). IEEE.
|
| |
Kumar, A., & Vani, M. (2019, July). Image based tomato leaf disease detection. In 2019 10th International Conference on Computing, Communication and Networking Technologies (ICCCNT) (pp. 1-6). IEEE.
|
| |
Mekha, P., & Teeyasuksaet, N. (2019, January). Deep learning algorithms for predicting breast cancer based on tumor cells. In 2019 Joint International Conference on Digital Arts, Media and Technology with ECTI Northern Section Conference on Electrical, Electronics, Computer and Telecommunications Engineering (ECTI DAMT-NCON) (pp. 343-346). IEEE.
|
| |
Mekha, P., & Teeyasuksaet, N. (2021, March). Image classification of rice leaf diseases using random forest algorithm. In 2021 Joint International Conference on Digital Arts, Media and Technology with ECTI Northern Section Conference on Electrical, Electronics, Computer and Telecommunication Engineering (pp. 165-169). IEEE.
|
| |
Natthawat Phongchit “มาทำความรู้จัก ResNet กันดีกว่า”. [ระบบออนไลน์]
แหล่งที่มา https://medium.com/@natthawatphongchit/มาทำความรู้จัก-resnet-aec3a8c10793
|
| |
Piyanop Nuchanat “13. Transfer learning รีดความสามารถของ convolutional neural network แยกหมา แยกแมว คลิปเดียวทำเป็นเลย”. [ระบบออนไลน์]
แหล่งที่มา https://www.youtube.com/watch?v=SEbWKEwl7K0&t=1055s
|
| |
Sascha Dittmann “TensorFlow.js Image Classification Made Easy”. [ระบบออนไลน์]
แหล่งที่มาhttps://www.youtube.com/watch?v=WFUL_oRT3nk&list=PLxs8gLPfk
mIJ7_43O0z2XXk_05uqFWZ95
|
| |
Singh D, Jain N, Jain P, Kayal P, Kumawat S, Batra N. PlantDoc: a dataset for visual plant disease detection. InProceedings of the 7th ACM IKDD CoDS and 25th COMAD 2020 Jan 5 (pp. 249-253).
|
| |
Smaranjit Ghose “Corn or Maize Leaf Disease Dataset”. [ระบบออนไลน์]
แหล่งที่มา https://www.kaggle.com/smaranjitghose/corn-or-maize-leaf-disease-dataset
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|