| ชื่อบทความ |
หุ่นยนต์ตรวจโรคพริกหวานอัตโนมัติโดยใช้ปัญญาประดิษฐ์และการประมวลผลภาพเชิงลึก: กรณีศึกษา บริษัท ควอนต้าซินเนอร์จี้ จำกัด
|
| ชื่อบทความ(English) |
Autonomous Bell Pepper Disease Detection Robot Using Artificial Intelligence and Deep Image Processing: A Case Study of Quanta Synergy Co., Ltd
|
|
|
|
| ประเภทบทความ |
บทความวิจัย
|
| ชื่อผู้แต่ง |
กัญญาพัชร ยศสนิท(1), นิมมิตา สมริน(1), อัจฉริยะณัฐ ปะฏิเต(1), ภานุวัฒน์ เมฆะ(1), ปวีณ เขื่อนแก้ว(1) และ พยุงศักดิ์ เกษมสำราญ(1*) (Kanyaphat Kittham(1), Nimmita somrin(1), Oatchariyanut Patita(1), Panuwat Mekha(1), Paween Khoenkaw(1) and Payungsak Kasemsumran(1*))
|
| หน่วยงาน |
สาขาวิชาวิทยาการคอมพิวเตอร์ คณะวิทยาศาสตร์ มหาวิทยาลัยแม่โจ้เชียงใหม่ 50290 ประเทศไทย(1) (Computer Science Department, Faculty of Science, Maejo University, Chaingmai, Thailand, 50290(1)) *Corresponding author: Payungsak.kae@gmail.com
|
| ชื่อวารสาร |
วารสารแม่โจ้เทคโนโลยีสารสนเทศและนวัตกรรม ปีที่ 12 ฉบับที่ 1 มกราคม – เมษายน 2569
|
| บทคัดย่อ |
งานวิจัยนี้นำเสนอหุ่นยนต์ตรวจโรคพริกหวานอัตโนมัติ โดยใช้ AI และ Deep Learning วิเคราะห์ภาพพืชผ่านโครงข่ายประสาทเทียมเชิงลึก (CNNs) ตามแนวทางของ Picón et al. (2019) หุ่นยนต์เคลื่อนที่ตามกลยุทธ์ของ Ko et al. (2015) เพื่อตรวจสอบโรค 4 ชนิด ได้แก่ ใบจุดสีขาว (Cercospora capsici), แอนแทรคโนส (Colletotrichum spp.), ไวรัสโมเสค (Potyvirus), และใบหงิกเหลือง (Begomovirus) ซึ่งเป็นโรคสำคัญที่สร้างความเสียหายทางเศรษฐกิจ ตัวหุ่นยนต์ติดตั้งกล้อง HD 720p @ 30fps, เลนส์ Fixed-focus, FOV 69 องศา และเทคโนโลยี RightLight™ 2 ช่วยปรับแสง พร้อมเซ็นเซอร์ Robosense RS-LiDAR-16 แบบหมุน 16 เลเซอร์ ตรวจจับได้ไกลสุด 150 เมตร ช่วยตรวจสอบโรคและหลบสิ่งกีดขวาง ระบบให้ความแม่นยำในการจำแนกโรคใบจุดสีขาว 90%, แอนแทรคโนส 100%, ไวรัสโมเสค 100%, ใบหงิกเหลือง 90%, และใบปกติ 97.5% หุ่นยนต์ใช้พลังงานจากแบตเตอรี่ 882 Wh อัตราการใช้พลังงานเฉลี่ย 22.5 W ช่วยลดภาระเกษตรกร ลดเวลาในการตรวจสอบโรค เพิ่มโอกาสในการควบคุมโรค ลดการใช้สารเคมีที่ไม่จำเป็น และส่งเสริมการเกษตรอัจฉริยะได้อย่างมีประสิทธิภาพ ผลลัพธ์ยืนยันว่าหุ่นยนต์สามารถนำไปใช้งานจริงในแปลงเกษตรได้อย่างมีประสิทธิภาพ และช่วยยกระดับระบบเกษตรอัจฉริยะให้มีความแม่นยำและรวดเร็วมากยิ่งขึ้น
|
| คำสำคัญ |
หุ่นยนต์ตรวจโรคพืช, ปัญญาประดิษฐ์, การเรียนรู้เชิงลึก, โรคพริกหวาน, ระบบอัตโนมัติ
|
| ปี พ.ศ. |
2569
|
| ปีที่ (Vol.) |
12
|
| ฉบับที่ (No.) |
1
|
| เดือนที่พิมพ์ |
มกราคม - เมษายน
|
| เลขที่หน้า (Page) |
319-341
|
| ISSN |
ISSN 3027-7280 (Online)
|
| DOI |
|
| ORCID_ID |
0000-0002-1887-7287
|
| ไฟล์บทความ |
https://mitij.mju.ac.th/ARTICLE/R69018.pdf
|
| | |
| เอกสารอ้างอิง | |
| |
เพชรรัช ปะระไทย, นฤพร เต็งไตรรัตน์ และ ชัชวาลย์ ชัยชนะ, การสร้างแบบจำลอง TilapiaImage Segmentation ด้วยวิธีการเรียนรู้อย่างลึกด้วยเครือข่ายคอนโวลูชันพีระมิดเชิงพื้นที่โดยใช้ YOLOv8 (Tilapia Image Segmentation Modeling using Deep Learning with Spatial Pyramid Pooling Convolutional Networks based on YOLOv8), ปีที่ 10 ฉบับที่ 2 (พฤษภาคม - สิงหาคม 2567)
|
| |
เพชรรัช ปะระไทย, นฤพร เต็งไตรรัตน์ และ Wai Lok Woo, การคาดการณ์พื้นที่น้ำท่วม บริเวณพื้นที่ลุ่มน้ำชุมชนเมืองจังหวัดเชียงใหม่ โดยใช้การสำรวจระยะไกลและการเรียนรู้การถดถอย (Flood Area Prediction in Urban Watershed of Chiang Mai Province Using Remote Sensing and Regression Learning), ปีที่ 11 ฉบับที่ 2 (พฤษภาคม – สิงหาคม 2568)
|
| |
ภานุวัฒน์ เมฆะ และ ณัฐณิชา ตียะสุขเศรษฐ์, การเปรียบเทียบประสิทธิภาพของอัลกอริทึมจำแนกภาพสำหรับโรคตาในมนุษย์ (Comparison of Efficiency of Image Classification Algorithms for Human Eye Diseases), ปีที่ 10 ฉบับที่ 3 (กันยายน - ธันวาคม 2567)
|
| |
เลอศักดิ์ โพธิ์ทอง, ภาคินี เหล่ามูล, ภัททิยา โมรา และ อนุพงศ์ สุขประเสริฐ, การสร้างตัวแบบการเรียนรู้เชิงลึกเพื่อการวินิจฉัยโรคมาลาเรียอย่างรวดเร็วและแม่นยำในภาพถ่ายฟิล์มเลือด (Creating a Deep Learning Model for pid and Accurate Diagnosis of Malaria in Blood Film Images), ปีที่ 11 ฉบับที่ 2 (พฤษภาคม -สิงหาคม 2568)
|
| |
สราวุฒิ ภัทรภูวดล, สนิท สิทธิ, ภานุวัฒน์ เมฆะ และ พยุงศักดิ์ เกษมสำราญ, การตรวจจับสิ่งปนเปื้อนขนาดเล็กผ่านการประมวลผลภาพโดยใช้ภาษา Python (Small Contaminant Detection via Image Processing using Python), ปีที่ 11 ฉบับที่ 1 (มกราคม - เมษายน 2568)
|
| |
Aoo Pattana-anurak. (2023, March 20). TensorFlow คืออะไร? Thai Config System & Digital Marketing. https://thaiconfig.com/artificial-intelligence-ai/what-is-tensorflow/Chris Lalancette. (2023, June 27).ROS installation options.ROS Wiki. https://wiki.ros.org/ROS/Installation
|
| |
Mandala AI. (2023, March 23). Artificial intelligence (AI) คืออะไร? เครื่องมือไหนบ้างที่ใช้. Mandala AI. https://www.mandalasystem.com/blog/th/297/What-is-artificial-intelligence-AI
|
| |
Minaphinat, V. (2018, February 28. Machine Learning คืออะไร? Medium.https:// medium.com/investic/machine-learning -คืออะไร-fa8bf6663c07
|
| |
patda9. (2019, July 15). ลองใช้ TensorFlow.js — Part 1. Medium.https://medium.com /@patdanai.duangwaropas/ลองใช้-tensorflow-js-part-1-b1c1c4c055e8
|
| |
Phongchit, N. (2018, September 19). Convolutional Neural Network (CNN) คืออะไร. Medium. https://medium.com/@natthawatphongchit
|
| |
RomanS. (2024, August 27). Foxglove Studio. ROS Wiki.https://wiki.ros.org/Foxglove/
Studio
|
| |
Sphinx. (2024). Distributions. ROS Documentation.https://docs.ros.org/en/ jazzy/Rele
ases.html
|
| |
Surapong Kanoktipsatharporn. (2020, January 12). MobileNet คืออะไร: สอน TensorFlow.js สร้าง Image Classification ด้วย MobileNet รุ่นสำเร็จรูป – tfjs ep.7. BUA Labs. https://www.bualabs.com /archives/3439/tensorflow-js-tutorial-build-image-classification-javascript-mobilenet-pretrained-model-tfjs-ep-7/
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
|