การวิเคราะห์โรคเหี่ยวของใบสับปะรดด้วยการประมวลผลภาพและโครงข่ายประสาทเทียมแบบคอนโวลูชัน

An analysis of pineapple leaf wilt by image processing and convolutional neural network

Name: สุดารัตน์ เทียนน้อย

Organization : มหาวิทยาลัยราชภัฏหมู่บ้านจอมบึง. คณะเทคโนโลยีอุตสาหกรรม

Name: นพดล อ่ำดี

Organization : มหาวิทยาลัยราชภัฏหมู่บ้านจอมบึง. คณะเทคโนโลยีอุตสาหกรรม

Email : noppadol.amdee@mcru.mail.go.th

Name: อดิศักดิ์ แสงส่องฟ้า

Organization : มหาวิทยาลัยราชภัฏหมู่บ้านจอมบึง. คณะเทคโนโลยีอุตสาหกรรม

Name: พยุง มีสัจ

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะเทคโนโลยีสารสนเทศและนวัตกรรมดิจิทัล

Email : phayung.m@itd.kmutnb.ac.th

keyword: โครงข่ายประสาทเทียมแบบคอนโวลูชันนอล

ThaSH: สับปะรด -- โรคและศัตรูพืช

ThaSH: โรคพืช -- การวินิจฉัย

ThaSH: โรคเหี่ยว

ThaSH: การประมวลผลภาพ -- เทคนิคดิจิทัล

ThaSH: นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)

Abstract: งานวิจัยนี้ได้นำเสนอวิธีการนำภาพถ่ายดิจิทัลมาประยุกต์ใช้ในด้านการเกษตรเพื่อวิเคราะห์โรคเหี่ยวของใบสับปะรดด้วยการใช้ภาพถ่ายดิจิทัล โดยมีขั้นตอนในการวิจัย 3 ขั้นตอน ดังนี้ ขั้นตอนที่ 1 ข้อมูลภาพ (Input Image) ขั้นตอนที่ 2 การฝึกฝนและเรียนรู้ (Train Image) และขั้นตอนที่ 3 การทดสอบระบบ (Test Image) ในงานวิจัยนี้ใช้ภาพถ่ายดิจิทัลจากการถ่ายด้วยสมาร์ทโฟน กล้องถ่ายภาพมีความละเอียด 12 ล้านพิกเซล โดยการนำภาพถ่ายดิจิทัลเข้าสู่ระบบที่พัฒนาขึ้นเพื่อให้ระบบได้ทำการฝึกฝนเรียนรู้ ใช้ภาพถ่ายดิจิทัลจำนวน 865 ภาพ ภาพที่นำเข้าไปในระบบมีการแบ่งภาพออกเป็น 4 คลาส ได้แก่ คลาสเต็มใบ คลาสปลายใบ คลาสกลางใบและคลาสโคนใบ และกำหนดให้เครื่องได้เรียนรู้ซ้ำ ๆ จำนวน 10 รอบ ส่วนในขั้นตอนของการทดสอบระบบ ผู้วิจัยใช้ภาพถ่ายดิจิทัลที่ไม่ได้ผ่านการประมวลผลภาพ เพื่อใช้สำหรับทดสอบความถูกต้องของระบบ ซึ่งการวิจัยพบว่า ระบบการวิเคราะห์โรคเหี่ยวของใบสับปะรดด้วยการประมวลผลภาพถ่ายดิจิทัลและโครงข่ายประสาทเทียมแบบคอนโวลูชันที่พัฒนาขึ้น สามารถวิเคราะห์ภาพถ่ายที่เป็นโรคเหี่ยวของใบสับปะรดได้ค่าความถูกต้องสูงถึง 98.96 เปอร์เซ็นต์"

Abstract: This research presented a method for applying digital photographs to agriculture for the analysis of pineapple leaf wilt by using digital photographs. There were 3 steps in the research as follows: step 1: Input Image, step 2: Train Image, and step 3: System Test. The research used digital photos taken with a smartphone that the camera had a resolution of 12 megapixels. All 865 digital photos were brought into a system developed for practicing learning. The images imported into the system were divided into 4 classes: full leaf class, tip class, mid leaf class, and base leaf class. The machine was set to learn repeatedly for 10 rounds in the process of testing the system. The researchers used unprocessed digital photographs and used them to test the correctness of the system. The research revealed an analysis of pineapple leaf wilt by digital image processing and a convolutional neural network, it was able to analyze photos with wilt of pineapple leaves with an accuracy of 98.96 percent."

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Created: 2567

Modified: 2567-09-11

Issued: 2567-09-11

บทความ/Article

application/pdf

BibliograpyCitation : วารสารวิชาการพระจอมเกล้าพระนครเหนือ. ปีที่ 34, ฉบับที่ 3 (ก.ค.-ก.ย. 67), หน้า 1-11.

tha

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	atc_67_340318.pdf	1.5 MB	1	2025-03-11 14:06:32

ใช้เวลา

0.035313 วินาที