การจำแนกระดับความสุกของสับปะรดด้วยการประมวลผลภาพกับวิธีเรียนรู้เชิงลึก

บทคัดย่อ

งานวิจัยนี้เป็นการศึกษาการจำแนกระดับความสุกของสับปะรดด้วยการประมวลผลภาพกับวิธีเรียนรู้เชิงลึก ทำการเปรียบเทียบการเรียนรู้เชิงลึกจำนวน 3 โครงสร้าง ประกอบด้วย LeNet-5, AlexNet และ VGGNet-16 เพื่อจำแนกรูปภาพสับปะรดจากภาพถ่ายที่ถูกกำหนดป้ายระดับความสุกโดยกลุ่มเกษตรกรผู้ปลูกสับปะรด รวบรวมรูปภาพจำนวนทั้งหมด 3,200 ภาพ ที่มีระดับความสุก 4 ระดับ คือ ระดับเนื้อดิบ ระดับเนื้อสอง ระดับเนื้อหนึ่ง และระดับเนื้อเสีย แต่ละระดับแบ่งเป็นจำนวนภาพจำนวน 800 ภาพ จากผลการทดลองได้กำหนดรอบการเรียนรู้จำนวน 20,000 รอบ สำหรับทุกโครงสร้าง ได้ผลลัพธ์การจำแนกถูกต้องสูงสุดร้อยละ 93.75 ของโครงสร้างแบบ VGGNet-16 ถัดมาได้ความถูกต้องร้อยละ 92.97 ของโครงสร้าง AlexNet และร้อยละความถูกต้องน้อยที่สุดเป็นของโครงสร้าง LeNet-5 มีค่าร้อยละ 87.03 สรุปได้ว่าโครงสร้างแบบ VGGNet-16 และ AlexNet เหมาะสมที่สามารถนำไปจำแนกรูปภาพความสุกของสับปะรดได้

คำสำคัญ

ระดับความพร้อมของโครงการ