การพัฒนาระบบตรวจสอบคุณภาพทางฟีโนไทป์ของเมล็ดข้าวโดยใช้การเรียนรู้ของเครื่องจักรด้วยวิธีการเรียนรู้เชิงลึก

Development of rice grain phenotype quality verification system by using deep learning methord

Name: กุลวดี เถนว้อง

ThaSH: มหาวิทยาลัยบูรพา.สาขาวิชาการวิจัยและสถิติทางวิทยาการปัญญา

Abstract: การวิจัยนี้มีวัตถุประสงค์เพื่อ 1) ออกแบบระบบตรวจสอบคุณภาพทางฟีโนไทป์ของเมล็ดข้าวโดยใช้การเรียนรู้ของเครื่องจักรด้วยวิธีการเรียนรู้เชิงลึก 2) พัฒนาระบบตรวจสอบคุณภาพทาง ฟีโนไทป์ของเมล็ดข้าวโดยใช้การเรียนรู้ของเครื่องจักรด้วยวิธีการเรียนรู้เชิงลึก 3) ตรวจสอบประสิทธิภาพของระบบตรวจสอบคุณภาพทางฟีโนไทป์ของเมล็ดข้าวโดยใช้การเรียนรู้ของเครื่องจักรด้วยวิธีการเรียนรู้เชิงลึกที่พัฒนาขึ้นสำหรับการแบ่งกลุ่มข้าวหอมมะลิไทยตามพระราชบัญญัติมาตรฐานสินค้าขาออกเพื่อควบคุมข้าวโดยผู้เชี่ยวชาญ และ 4) นำระบบตรวจสอบคุณภาพทาง ฟีโนไทป์ของเมล็ดข้าวโดยใช้การเรียนรู้ของเครื่องจักรด้วยวิธีการเรียนรู้เชิงลึกที่พัฒนาขึ้นไปตรวจสอบคุณภาพข้าวหอมมะลิไทยที่วางจำหน่ายในประเทศไทย ข้อมูลภาพดิจิตอลที่ใช้ในการทดลองมาจากศูนย์วิจัยข้าวปทุมธานี จำนวน 2,150 ภาพ ครอบคลุมข้าวหอมมะลิ 4 กลุ่ม ๆ ละ 13 คุณลักษณะ โดยใช้สัดส่วนโมเดลฝึก: การทดสอบ เท่ากับ 60: 40 คำนวณโมเดลฝึกตรวจสอบคุณภาพข้าวด้วยภาพ 1,850 ภาพ ทำซ้ำ จำนวน 25 ชั้นการทดสอบ ได้ประสิทธิภาพของโมเดลฝึกเข้าใกล้ 100 เปอร์เซนต์ แล้วนำโมเดลฝึกไปทดสอบซ้ำด้วยภาพ 1,300 ภาพ และนำโปรแกรมที่พัฒนาขึ้นไปต่อยอดเป็นแอปพลิเคชั่นด้วยระบบปฏิบัติการแอนดรอย์ เวอร์ชั่น 8.1 Oreo ผลการวิจัย ปรากฏว่า 1) โปรแกรมที่พัฒนาขึ้นมีประสิทธิภาพด้านความถูกต้องอัตราส่วนของการค้นพบภาพ ร้อยละ 98.7 และคลาดเคลื่อนเฉลี่ย ร้อยละ 2.8 และ 2) แอปพลิเคชั่นที่พัฒนาขึ้นมีประสิทธิภาพด้านความถูกต้องอัตราส่วนของการค้นพบภาพ ร้อยละ 99.0 และคลาดเคลื่อนเฉลี่ย ร้อยละ 1.0

Abstract: This research purpose of studies were 1) to design rice grain phenotype quality system by using a machine with a deep learning method 2) to develop rice grain phenotype quality system with a deep learning method. 3) to investigate rice grain phenotype quality system with a deep learning method for Thai Hom Mali rice according to Agricultural Act control by connoisseurs. 4) to test developed learning machine with commercial rice in Thailand. Digital image data used in the experiment as sampling came from the Pathumthani Rice Research Center. The amount of 2,150 images covering 4 groups of Jasmine rice classified to 13 characteristics by using the proportion practice model. The tested result was 60: 40. Calculated rice quality investigation training model with 1,850 images, and 25 reproduced layers, the training model result was approached an accuracy of 100 percent. The repeated training model was tested with 1,300 images, and a computer program was then developed using the Android operating system version 8.1 Oreo. Finding indicated that, 1) the accuracy efficiency ratio for image discovery with the developed program was 98.7 percent with an average error of 2.8 percent and 2) the accuracy efficiency of image discovery using the developed application was 99 percent with an average error of 1.0%.

มหาวิทยาลัยบูรพา. สำนักหอสมุด

Address: ชลบุรี

Email: buulibrary@buu.ac.th

Name: พูลพงศ์ สุขสว่าง

Role: อาจารย์ที่ปรึกษาหลัก

Name: ยรรยงค์ พันธ์สวัสดิ์

Role: อาจารย์ที่ปรึกษาร่วม

Created: 2561

Modified: 2563-07-31

Issued: 2563-07-31

วิทยานิพนธ์/Thesis

application/pdf

tha

DegreeName: ปรัชญาดุษฎีบัณฑิต

Level: ปริญญาเอก

Descipline: การวิจัยและสถิติทางวิทยาการปัญญา

Grantor: มหาวิทยาลัยบูรพา

©copyrights มหาวิทยาลัยบูรพา

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	55810255.pdf	6.35 MB	37	2026-05-26 18:16:01

ใช้เวลา

0.030411 วินาที