วารสารแม่โจ้เทคโนโลยีสารสนเทศและนวัตกรรม 
Maejo Information Technology and Innovation Journal (MITIJ)
 ค้นหา | หน้าแรก   
 
 
 
» หน้าแรก
» ฉบับปัจจุบัน
» ฉบับย้อนหลัง
» ค้นหาวารสาร/บทความ
» ลงทะเบียน (OJS/PKP)
 

                               :: รายละเอียดบทความ ::
กลับสู่เมนูค้นหา 
ชื่อบทความ
การพัฒนาตัวแบบวินิจฉัยโรคถั่วฝักยาวด้วยการสกัดคุณลักษณะภาพร่วมกับเทคนิคเหมืองข้อมูล
ชื่อผู้แต่ง อภินันท์ จุ่นกรณ์(1*), ภรัณยา ปาลวิสุทธิ์(1), มงคล รอดจันทร์(2) และศัลยพงศ์ วิชัยดิษฐ(3) (Apinan Junkorn(1*), Paranya Palwisut(1), Mongkol Rodjan(2), and Salyapong Wichaidit(3))
หน่วยงาน สาขาวิชาวิทยาการข้อมูล(1), สาขาวิชาเทคโนโลยีคอมพิวเตอร์(2), สาขาวิชาเทคโนโลยีมัลติมีเดีย(3) คณะวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยราขภัฏนครปฐม (Department of Data Science(1), Department of Computer Technology 2), Department of Multimedia Technology(3), Faculty of Science and Technology, Nakhon Pathom Rajabhat University) * Corresponding author: apinan@npru.ac.th
ชื่อวารสาร วารสารแม่โจ้เทคโนโลยีสารสนเทศและนวัตกรรม ปีที่ 11 ฉบับที่ 1 มกราคม – เมษายน 2568
บทคัดย่อ

             การปลูกพืชสิ่งที่เกษตรกรคาดหวังคือผลผลิตที่สามารถบริโภคและขายเพื่อสร้างกำไร ปัจจัย     ที่ส่งผลกระทบต่อผลผลิตของพืชรวมถึงการปลูกถั่วฝักยาว คือ โรคพืช เพื่อให้ได้ผลผลิตที่เพียงพอตามความต้องการของตลาดจึงจำเป็นต้องใช้สารเคมีในกระบวนการผลิต ในการป้องกันและการรักษาโรคพืช ที่ถูกต้องจะส่งผลให้ลดความเสียหายและต้นทุนของผลิต หากเกษตรกรมีเครื่องมือที่ช่วยวิเคราะห์โรค   จะสามารถทำให้ใช้สารเคมีได้ถูกต้อง ผู้วิจัยจึงได้ทำการศึกษาและพัฒนาตัวแบบวินิจฉัยโรคถั่วฝักยาว  ด้วยการสกัดคุณลักษณะภาพร่วมกับเทคนิคเหมืองข้อมูล ซึ่งโรคที่ใช้ในการวิจัยได้แก่ โรคราแป้ง โรค    ราสนิม โรคใบด่าง โรคใบหงิก และโรคใบจุด โดยมีวัตถุประสงค์ 1) เพื่อพัฒนาตัวแบบวินิจฉัยโรคถั่วฝักยาวด้วยการสกัดคุณลักษณะภาพร่วมกับเทคนิคเหมืองข้อมูล 2) เพื่อทดสอบประสิทธิภาพ        ของ    ตัวแบบที่ได้พัฒนาขึ้น และในการวิจัยใช้อัลกอริทึมสกัดคุณลักษณะภาพได้แก่ Simple Color Histogram Filter และ Auto Color Correlogram Filter ร่วมกับอัลกอริทึมจำแนกข้อมูลได้แก่ J48, Random Forest, Random Tree และ Hoeffding Tree ผลการทดลองพบว่าอัลกอริทึม Auto Color Correlogram Filter ร่วมกับ Random Forest ที่สามารถวินิจฉัยโรคจากภาพถ่าย โดยมีค่าความถูกต้องเท่ากับร้อยละ 93.30 ค่าความแม่นยำเท่ากับร้อยละ 94.40 ค่าความระลึกเท่ากับร้อยละ 93.30 และ    ค่าความเหวี่ยงเท่ากับร้อยละ 93.10 ตามลำดับ ซึ่งจะสามารถนำมาประยุกต์ใช้ในการพัฒนาระบบ     การวินิจฉัยโรคถั่วฝักยาวได้อย่างมีประสิทธิภาพ

คำสำคัญ ถั่วฝักยาว; การสกัดคุณลักษณะภาพ; เหมืองข้อมูล
ปี พ.ศ. 2568
ปีที่ (Vol.) 11
ฉบับที่ (No.) 1
เดือนที่พิมพ์ มกราคม - เมษายน
เลขที่หน้า (Page) 66-78
ISSN ISSN 3027-7280 (Online)
DOI
ORCID_ID 0009-0003-9638-5645
ไฟล์บทความ https://mitij.mju.ac.th/ARTICLE/R68005.pdf
  
เอกสารอ้างอิง 
  กระทรวงเกษตรและสหกรณ์. (2567). เกษตรกรรมคือวิถีชีวิตแห่งสังคมไทย. สืบค้นเมื่อ 14 กุมภาพันธ์ 2567 จาก https://www.moac.go.th/king-king_thaiagri-files-391991791793
  ชัยศิริ สนิทพลกลาง. (2566). การจำแนกโรครากเน่าโคนเน่าของต้นทุเรียนด้วยอัลกอริทึมต้นไม้ตัดสินใจ. วารสารวิทยาศาสตร์ลาดกระบัง 32(1): 72-87.
  บริษัท รักบ้านเกิด จำกัด. (2560). เรื่องเด็ดเกร็ดเกษตร. สืบค้นเมื่อ 16 กุมภาพันธ์ 2567 จาก https://www.rakbankerd.com/agriculture/hilight-view.php?id=31&s=tblheight
  ภานุวัฒน์ เมฆะ พฤติพงศ์ มุสิกอง ณัฐภาส ผลากอง พาสน์ ปราโมกข์ชน และพยุงศักดิ์ เกษมสำราญ. (2566). การเปรียบเทียบประสิทธิภาพของโมเดลจำแนกภาพสำหรับโรคใบข้าวโพด. วารสารแม่โจ้เทคโนโลยีสารสนเทศและนวัตกรรม 9(2): 1-16.
  ศิริพร คุ้มภัยและคณะ. (2560). สารสนเทศอารักขาพืช ICT. สืบค้นเมื่อ 23 กุมภาพันธ์ 2567. จาก http://www.agriqua.doae.go.th/Plant%20%20Protection%20%20Conference/disease-research/B-01.pdf
  สถาบันการจัดการเทคโนโลยีและนวัตกรรมเกษตร. (2565). จัดการศัตรูพืชใน “ถั่วฝักยาว” ด้วยชีวภัณฑ์แบบผสมผสาน. สืบค้นเมื่อ 22 กุมภาพันธ์ 2567 จาก https://www.nstda.or.th/agritec/sop-cowpea/
  สุขสุคนธ์ สุขสุคนธ์ ชลทิศ สันติวงศ์งาม วัชพล คำแขก และศศิชา ปานสุวรรณ์. (2565). ระบบวิเคราะห์ การสุกของผลไม้ด้วยเทคโนโลยีการประมวลผลภาพ. วารสารวิทยาการและเทคโนโลยี สารสนเทศ 12(1): 61-66.
  อับดุลเลาะ บากา สุลัยมาน เภอโส๊ะ ฟูไดละห์ ดือมอง และอรรถพล อดุลยศาสน์. (2567). การพัฒนาแบบจำลองเพื่อการตัดสินใจรับซื้อโคขุน โดยใช้เทคนิคการทำเหมืองข้อมูล กรณีศึกษากลุ่ม วิสาหกิจชุมชนโคเนื้อบ้านบูเกาะจือฆา. วารสารแม่โจ้เทคโนโลยีสารสนเทศและนวัตกรรม 10(1): 99-117.
  Sinsomboonthong, S. (2017). Data mining 1: discovering knowledge in data. Bangkok: Chamchuree Products Co.,Ltd.
  Weka. (2567). Machine Learning Software in Java. Retrieved from http://www.cs.waikato.ac.nz/ml/weka/
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
กลับสู่ เมนูค้นหา
       
กองบรรณาธิการวารสารแม่โจ้เทคโนโลยีสารสนเทศและนวัตกรรม มหาวิทยาลัยแม่โจ้
63 หมู่ 4 ต.หนองหาร อ.สันทราย จ.เชียงใหม่ 50290  mitij@mju.ac.th