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

                               :: รายละเอียดบทความ ::
กลับสู่เมนูค้นหา 
ชื่อบทความ
การพัฒนาระบบสแกนใบหน้าในการบริหารงานทรัพยากรบุคคล : กรณีศึกษา บริษัท ดูดี อินดีด จำกัด
ชื่อบทความ(English)
The Development of Facial Recognition Time Attendance System in Human Resource Management : A Case Study of DudeeIndeed Corporation
ประเภทบทความ
บทความวิจัย
ชื่อผู้แต่ง เอกรินทร์ แสงยอ(1), ศุภชัย รอดฤทธิ์(1), ภานุวัฒน์ เมฆะ(1), พยุงศักดิ์ เกษมสำราญ(1) และ กิตติกร หาญตระกูล(1*) (Akarin Sangyor(1), Supachai Rodrit(1), Panuwat Mekha(1), Payungsak Kasemsumran(1) and Kittikorn Hantrakul(1*)) )
หน่วยงาน สาขาวิชาวิทยาการคอมพิวเตอร์ คณะวิทยาศาสตร์ มหาวิทยาลัยแม่โจ้(1) (Computer Science Department, Faculty of Science, Maejo University(1)) *Corresponding author: kittikor@mju.ac.th
ชื่อวารสาร วารสารแม่โจ้เทคโนโลยีสารสนเทศและนวัตกรรม ปีที่ 11 ฉบับที่ 3 กันยายน – ธันวาคม 2568
บทคัดย่อ

        งานวิจัยนี้ได้พัฒนาระบบสแกนใบหน้าในการบริหารงานทรัพยากรบุคคล สำหรับใช้เพื่อสแกนใบหน้าเช็กชื่อเข้า-ออกงานของพนักงาน โดยนำเทคนิคการตรวจจับใบหน้า (Face Detection) และการจดจำใบหน้า (Face Recognition) มาประยุกต์ใช้ในการระบุตัวตนของพนักงาน โดยระบบจะนำภาพที่ได้จากการตรวจจับใบหน้าของพนักงานผ่านกล้อง Webcam/USB Camera ไปเปรียบเทียบกับใบหน้าในฐานข้อมูลเพื่อระบุตัวตนของใบหน้านั้น โดยระบบที่พัฒนาขึ้นจะนำมาเป็นฟีเจอร์หนึ่งในระบบบริหารจัดการทรัพยากรบุคคล (HRM) ของบริษัท ซึ่งจะเป็นฟีเจอร์ที่มาเสริมช่วยแก้ปัญหาของระบบการเข้า-ออกงานเดิมของบริษัท

         การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อ 1) ประยุกต์ใช้เทคโนโลยีการรู้จำใบหน้า เพื่อเช็กชื่อเวลาเข้า-ออกงานของพนักงาน 2) ทดสอบประสิทธิภาพของระบบสแกนใบหน้าที่ได้พัฒนาขึ้น 3) ศึกษาความพึงพอใจของผู้ใช้ที่มีต่อระบบสแกนใบหน้าเพื่อเช็กชื่อเวลาเข้า-ออกงานของพนักงาน กลุ่มเป้าหมายของการวิจัยครั้งนี้คือ ผู้เชี่ยวชาญด้าน Machine Learning จำนวน 2 คน และพนักงานจำนวน 32 คน เครื่องมือการวิจัย ได้แก่ แบบประเมินคุณภาพโดยผู้เชี่ยวชาญ และแบบสอบถามความพึงพอใจของกลุ่มตัวอย่าง

          ผลการวิจัยพบว่า 1) ได้ระบบจัดการข้อมูลใบหน้าของพนักงาน ดูการเข้าออกงานแบบเรียลไทม์ ดูประวัติการเข้า-ออกงานของพนักงาน สแกนใบหน้าเข้า-ออกงานของพนักงาน และมีการแจ้งเตือนการเข้า-ออกงานของพนักงานผ่านทางแอปพลิเคชันไลน์ 2) ผลการทดสอบประสิทธิภาพของระบบ โดยวัดความแม่นยำของการจำแนกใบหน้าพนักงานพบว่า ระบบมีค่าความถูกต้องแม่นยำ (Accuracy) คิดเป็น 97.8% และมีค่าความเฉพาะเจาะจง (Specificity) คิดเป็น 82.6% ทำให้มีความน่าเชื่อถือและสร้างความเชื่อมันในการนำไปใช้งานจริง 3) ผลการประเมินความพึงพอใจจากกลุ่มตัวอย่าง แบ่งเป็น 2 กลุ่ม คือ กลุ่มผู้เชี่ยวชาญด้าน Machine Learning พบว่าระบบมีคุณภาพอยู่ในระดับ มาก (= 4.10, S.D. = 0.42) และผลการประเมินความพึงพอใจในกลุ่มของพนักงานที่มีต่อระบบพบว่า พนักงานมีความพึงพอใจและยอมรับระบบอยู่ในระดับ มากที่สุด (= 4.56, S.D. = 0.57)

คำสำคัญ ระบบบริหารทรัพยากรบุคคล; บัญชีทางการไลน์; แจ้งเตือนไลน์; ไลน์แชทบอท; ปัญญาประดิษฐ์; ตรวจจับใบหน้า; จดจำใบหน้า; สแกนใบหน้าเข้า-ออกงาน
ปี พ.ศ. 2568
ปีที่ (Vol.) 11
ฉบับที่ (No.) 3
เดือนที่พิมพ์ กันยายน - ธันวาคม
เลขที่หน้า (Page) 54-82
ISSN ISSN 3027-7280 (Online)
DOI
ORCID_ID 0009-0000-6325-5068
ไฟล์บทความ https://mitij.mju.ac.th/ARTICLE/R68023.pdf
  
เอกสารอ้างอิง 
  เจริญ รุ่งกลิ่น และคณะ. (2564). การพัฒนาระบบเปิดประตูด้วยระบบจดจำใบหน้า. วารสาร การประชุมหาดใหญ่วิชาการระดับชาติและนานาชาติ ครั้งที่ 12. 12(121): 1646-1659.
  แสงเดือน โปธา. (2564). การพัฒนาเครื่องมือช่วยเช็คชื่อนักศึกษาเข้าชั้นเรียนด้วยเทคนิคการ ตรวจจับใบหน้าโดยใช้ Raspberry Pi. (วิทยานิพนธ์ ปริญญา วศ.บ. (วิศวกรรมไฟฟ้า)). มหาวิทยาลัยเชียงใหม่.
  อะดาว น้องวี. (2564). การประยุกต์ใช้เทคโนโลยีการรู้จำใบหน้า เพื่อบันทึกเวลาเข้าออกงานของ พนักงาน. (วิทยานิพนธ์ ปริญญา วศ.ม. (การจัดการทางวิศวกรรม)). มหาวิทยาลัยธุรกิจบัณฑิต.
  อาทิตย์ ศรีแก้ว และอภิรดี อัมพวะสิริ. (2553). เทคนิคการตรวจจับใบหน้าคนด้วยโครงข่าย ART แบบดัดแปลง. (วิทยานิพนธ์ ปริญญา วศ.บ. (วิศวกรรมไฟฟ้า)). มหาวิทยาลัยสุรนารี.
  Aara fat Islam. (2566). Top 10 Object Detection Models in 2023!. ค้นจาก https://medium.com/thelatestai/top-10-object-detection-models-in-2023-235acbc7d8b0
  Athiwat. (2020). Deep Learning คืออะไร. ค้นจาก https://medium.com/machines-school/deep-leaning-คืออะไร-785e16d01773
  Aoo Pattana-anurak. (2566). Deep learning คืออะไร ?. ค้นจาก https://thaiconfig.com/artificial-intelligence-ai/what-is-deep-learning/
  Aoo Pattana-anurak. (2566). TensorFlow คืออะไร?. ค้นจาก https://thaiconfig.com/artificial-intelligence-ai/what-is-tensorflow/
  AWS. (ม.ป.ป.). นิลรัลเน็ตเวิร์กคืออะไร. ค้นจาก https://aws.amazon.com/th/what-is/neural-network/
  Cheah Wen. (2564). Implement a Face Recognition Attendance System with face-api.js — Part I. ค้นจาก https://medium.com/analytics-vidhya/implement-a- face-recognition-attendance-system-with-face-api-js-part-i-2d16f32cfe47
  Cheah Wen. (2564). Implement a Face Recognition Attendance System with face-api.js — Part II. ค้นจาก https://medium.com/analytics-vidhya/implement-a-face-recognition-attendance-system-with-face-api-js-part-ii-4854639ee4c7
  Kasidis Satangmongkol. (ม.ป.ป.). Confusion Matrix คืออะไร พร้อมวิธีคำนวณค่าสถิติง่ายๆ. ค้นจาก https://datarockie.com/blog/confusion-matrix-explained/
  idealphase. (2560). Socket.io 101. ค้นจาก https://medium.com/@idealphase/socket-io-101-47f93c33af2f
  Jirat Boonphun. (2564). Object Detection สำหรับรูปภาพเบื้องต้น. ค้นจาก https://jirat-boonphun.medium.com/object-detection-สำหรับรูปภาพเบื้องต้น-47e4fb98b5e6
  Mandala AI. (2566). Artificial intelligence (AI) คืออะไร ? เครื่องมือไหนบ้างที่ใช้. ค้นจาก https://www.mandalasystem.com/blog/th/297/What-is-artificial-intelligence-AI
  Mr.P L. (2562). Deep Learning แบบฉบับคนสามัญชน EP1:Neural Network History. ค้นจาก https://medium.com/mmp-li/deep-learning-แบบฉบับคนสามัญชน-ep-1-neural- network-history-f7789236a9a3
  Mr.P L. (2563). Transfer Learning in NLP. ค้นจาก https://medium.com/airesearch-in-th/transfer-learning-in-nlp-bdafc90664e4
  Nattapon Sirikamonnet. (2560). มาลอง LINE Notify กันเถอะ (พื้นฐาน). ค้นจาก https://medium.com/@nattaponsirikamonnet/มาลอง-line-notify-กันเถอะ-พื้นฐาน-65a7fc83d97f
  Nattapon Sirikamonnet. (2561). สร้าง LINE BOT กันเถอะ (push message). ค้นจาก https://medium.com/@nattaponsirikamonnet/สร้าง-line-bot-กันเถอะ-push-message-a4566f65a3d2
  Natthawat Phongchit. (2561). Convolutional Neural Network (CNN) คืออะไร. ค้นจาก https://medium.com/@natthawatphongchit/มาลองดูวิธีการคิดของ-cnn-กัน- e3f5d73eebaa
  Otterlord. (2564). Learn Socket.io - Real-time Chat App. ค้นจาก https://medium.com/@otterlord/learn-socket-io-real-time-chat-app-f99162c5a0a9
  Pagon Gatchalee. (2562). Confusion Matrix เครื่องมือสำคัญในการประเมินผลลัพธ์ของการทำนายใน Machine learning. ค้นจาก https://medium.com/@pagongatchalee/ confusion-matrix-เครื่องมือสำคัญในการประเมินผลลัพธ์ของการทำนาย-ในmachine- learning-fba6e3f9508c
  patda9. (2562). ลองใช้ Tensorflow.js — Part 1. ค้นจาก https://medium.com/@patdanai.duangwaropas/ลองใช้-tensorflow-js-part-1- b1c1c4c055e8
  Phuri Chalermkiatsakul. (2561). Supervised Learning คืออะไร? ทำงานยังไง?. ค้นจาก https://phuri.medium.com/supervised-learning-คืออะไร-ทำงานยังไง-1c0e411a40a2
  Surapong Kanoktipsatharporn. (2563). MobileNet คืออะไร สอน TensorFlow.js สร้าง Image Classification จำแนกรูปภาพ จาก MobileNet โมเดลสำเร็จรูป – tfjs ep.7. ค้นจาก https://www.bualabs.com/archives/3439/tensorflow-js-tutorial-build-image-classification-javascript-mobilenet-pretrained-model-tfjs-ep-7/
  Surapong Kanoktipsatharporn. (2563). Transfer Learning คืออะไร สอน Transfer Learning จากโมเดล MobileNet JSON ไป Retrain เทรนต่อ ภาพจากกล้อง Webcam ด้วย TensorFlow.js – tfjs ep.10. ค้นจาก https://www.bualabs.com/archives/3439/tensorflow-js-tutorial-build-image-classification-javascript-mobilenet-pretrained-model-tfjs-ep-7/
  Tejas Sawant และคณะ. (ม.ป.ป.). Smart Attendance System using Face-recognition and Arduino. ค้นจาก https://drive.google.com/file/d/1YtPKrvsUuxOmGb7uJTPrh8pPNtgO-HYU/view
กลับสู่ เมนูค้นหา
       
กองบรรณาธิการวารสารแม่โจ้เทคโนโลยีสารสนเทศและนวัตกรรม มหาวิทยาลัยแม่โจ้
63 หมู่ 4 ต.หนองหาร อ.สันทราย จ.เชียงใหม่ 50290  mitij@mju.ac.th