การประเมินน้ำหนักโคโดยใช้โครงข่ายประสาทเทียมแบบคอนโวลูชัน ร่วมกับทฤษฎีตรีโกณมิต

COW WEIGHT ASSESSMENT BY USING THE CONVOLUTION NEURAL NETWORK AND THE TRIGONOMETRIC THEORY

Name: รุ่งนิรันดร์ จินดารัตน์

keyword: โครงข่ายประสาทเทียมแบบคอนโวลูชัน

; ตรีโกณมิต

; การถดถอยพหุนาม

; บราห์มัน

; Convolutional neural network

; Trigonometric

; polynomial regression

; Brahman

Abstract: ในปัจจุบัน การหาน้ำนำหนักโคมี 2 วิธีที่ที่นิยมคือ 1) การใช้เครื่องชั่งน้ำหนัก ซึ่งจะมีความแม่นยำสูง 2) การใช้สายวัดรอบอกโค ซึ่งจะมีความสะดวก แต่จะมีความผิดพลาดค่อนข้างสูง ทั้ง 2 วิธีที่กล่าวถึงจะต้องมีการสัมผัสกับโคโดยตรง จึงอาจเกิดอันตรายหากผู้ปฎิบัติงานไม่มีความชำนาญ หรือคุ้นชินกับโค วิทยานิพนธ์นี้จึงได้นำเสนอการใช้โครงข่ายประสาทเทียมร่วมกับทฤษฎีตรีโกณมิติเพื่อใช้ในการประเมินน้ำหนักโคจากภาพถ่ายผ่านกล้องสมาร์ทโฟนบนระบบปฎิบัติการแอนดรอยด์หาตำแหน่งของอกและหลังของโคจากโครงข่ายประสาทเทียมแบบคอนโวลูชันเพื่อวัดขนาดอกและ ความสูงของโคโดยการประยุกต์ใช้ทฤษฎีตรีโกณมิติประเมินน้ำหนักด้วยสมการการถดถอยพหุนามจากความสัมพันธ์ระหว่างน้ำหนัก ขนาดอก และความสูงของโคที่ได้เก็บรวบรวมข้อมูลจากฟาร์มโคของคณะนวัตกรรมและเทคโนโลยีการเกษตร ณ ศูนย์การศึกษาหนองระเวียง มหาวิทยาลัยเทคโนโลยี ราชมงคลอีสาน จังหวัดนครราชสีมา โดยทำการทดลองกับโคสายพันธุ์บราห์มันขนาดใหญ่ และขนาดเล็ก สภาพแวดล้อมของการถ่ายภาพมีทั้งในคอกปิดที่มีการควบคุมแสงสว่าง และในคอกเปิด(กลางแจ้ง) ที่ใช้สภาพแสงจากธรรมชาติ มีโคที่ใช้ในการทดลองทั้งหมด 23 ตัว และภาพถ่ายทั้งหมด 765 ภาพ ผลลัพธ์ที่ได้จากการทดลองประเมินน้ำหนักโคภายในคอกเปิด มีค่าความถูกต้องอยู่ที่ 91.306% และคอกปิดอยู่ที่ 90.832% ตามลำดับ ซึ่งลักษณะของภาพถ่ายที่จะทำให้ได้ผลลัพธ์ที่แม่นยำ จะต้องเป็นภาพถ่ายด้านข้าง และเห็นทุกองค์ประกอบของโคอย่างสมบูรณ์ เช่น เท้า อก หลัง เป็นปัจจัยสำคัญ ทั้งนี้ข้อมูลในการประเมินน้ำหนักโคในวิทยานิพนธ์นี้ได้ทำกับโคสายพันธุ์บราห์มันเท่านั้น แต่ด้วยหลักการดังกล่าว สามารถนำไปประยุกต์ใช้กับโคในสายพันธุ์อื่น ได้ต่อไปในอนาคต

Abstract: Currently, there are two popular methods for determining the weight of a cow: 1) Using a weighing machine which high accuracy 2) Using a measuring tape around the cow's chest. This method will be convenient, but there is quite a high degree of error. Both methods mentioned must have direct contact with the cow. Therefore, it might be dangerous for man would be unskilled or familiar with cows. This thesis therefore presents using of artificial neural networks combined with trigonometry theory for estimating the weight of a cow from images taken via a smartphone camera on the Android operating system. Searching the position of a cow's chest and back are using a convolutional neural network to measure the chest size and height of a cow by applying trigonometry theory. Weight was assessed using a polynomial regression equation from the relationship between weight, chest size, and height of the cow. Data were collected from the cattle farm of Faculty of Agricultural Innovation and Technology at Nong Rawiang Educational Center, Rajamangala University of Technology Isan, Nakhon Ratchasima Province. The experiments were carried out on large and small Brahman cows. The photography environments included both closed pens with controlled lighting and open (outdoor) pens with natural lighting conditions. A total of 23 cows were used and 765 photographs in this experiment. The weight results of cows in open pens were accurate at 91.306% and in closed pens at 90.832%, respectively. It is an important factor of the photograph to achieve accurate results must be a side view and all features of the cow are completely visible, such as the feet, chest, and back. However, the data for evaluating cow weight in this thesis was done on Brahman cows only. Such principles can be applied to cows of other breeds in the future

มหาวิทยาลัยเทคโนโลยีราชมงคลอีสาน. สำนักวิทยบริการและเทคโนโลยีสารสนเทศ

Address: นครราชสีมา

Email: ่jiraporn@rmuti.ac.th

Name: วรรณรีย์ วงศ์ไตรรัตน์

Role: อาจารย์ที่ปรึกษา

Name: ศศิพันธ์ วงศ์สุทธาวาส

Role: อาจารย์ที่ปรึกษาร่วม

Created: 2566

Modified: 2567-09-10

Issued: 2567-04-17

วิทยานิพนธ์/Thesis

application/pdf

tha

DegreeName: วิศวกรรมศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: คณะวิศวกรรมศาสตร์และเทคโนโลยี

Grantor: มหาวิทยาลัยเทคโนโลยีราชมงคลอีสาน

©copyrights มหาวิทยาลัยเทคโนโลยีราชมงคล อีสาน

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	RMUTI_Kanyaphat_Thes67-06.pdf	5.75 MB

ใช้เวลา

0.034984 วินาที