การประยุกต์ใช้การเรียนรู้เชิงลึกในการควบคุมแขนกลอุตสาหกรรมแบบ SCARA สำหรับการตรวจจับวัตถุ

Application of deep learning to control an industrial SCARA Robot for object detection

Name: ชัชนันท์ เขียนปัญญา

Organization : มหาวิทยาลัยบูรพา. คณะวิศวกรรมศาสตร์

Name: จิตติ พัทธวณิช

Organization : มหาวิทยาลัยบูรพา. คณะวิศวกรรมศาสตร์

Email : jitti@eng.buu.ac.th

keyword: การจำแนกวัตถุ

ThaSH: การเรียนรู้เชิงลึก (การเรียนรู้ของเครื่อง)

ThaSH: นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)

ThaSH: หุ่นยนต์อุตสาหกรรม

ThaSH: การประมวลผลภาพ

Abstract: งานวิจัยนี้มีวัตถุประสงค์เพื่อประยุกต์ใช้การเรียนรู้เชิงลึกในการจดจำและจำแนกวัตถุเพื่อการควบคุมการหยิบจับวัตถุ ของหุ่นยนต์อุตสาหกรรมแบบ SCARA โดยในการจำแนกวัตถุจากภาพถ่ายได้ใช้อัลกอริทึม You Only Look Once (YOLO) ที่มี พื้นฐานมาจาก Convolutional Neural Network (CNN) วัตถุที่ทำการพิจารณามีรูปร่าง 4 ชนิด ได้แก่ วงกลม สี่เหลี่ยมผืนผ้า สี่เหลี่ยมจัตุรัส และสามเหลี่ยม พารามิเตอร์ที่พิจารณาในการทดสอบการทำงาน ได้แก่ จำนวนภาพของวัตถุในการฝึกสอน แบบจำลองเพื่อจดจำและจำแนกวัตถุ ระยะห่างของวัตถุในการจัดวางวัตถุ และความถูกต้องในการหยิบจับวัตถุของแขนหุ่นยนต์ ผล การทดสอบพบว่า เมื่อจำนวนภาพในการฝึกสอนมากขึ้นจะส่งผลให้ความถูกต้องในการจำแนกวัตถุเพิ่มมากขึ้น โดยจำนวนภาพ ฝึกสอนที่เหมาะสมในแต่ละรูปร่างของวัตถุมีจำนวนเท่ากับ 500 ภาพ และระยะห่างระหว่างวัตถุไม่ต่ำกว่า 2 cm จะส่งผลให้ความ ถูกต้องในการจำแนกรูปร่างวัตถุของแขนกลมีค่ามากกว่า 98%

Abstract: The aim of this research is to apply deep learning techniques to recognize and classify objects to control an industrial SCARA robot. The algorithm used to detect and classify objects is You Only Look Once (YOLO) which is based on Convolutional Neural Network (CNN). The objects have 4 different shapes which are circular, rectangular, square and triangular. The tested parameters are the number of images for training the deep learning model, the distance between objects and the accuracy in picking and placing of the robot. The results show that the accuracy of object detecting is increased as the number of trained images increases. The optimal number of trained data is 500 images for each shape and the minimum distance between objects is 2 cm. With these parameters the accuracy of object detection of the robot is above 98%.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Created: 2568

Modified: 2568-11-26

Issued: 2568-11-26

บทความ/Article

application/pdf

BibliograpyCitation : ใน สมาคมวิศวกรเครื่องกลไทย และมหาวิทยาลัยเทคโนโลยีราชมงคลอีสาน วิทยาเขตขอนแก่น. คณะวิศวกรรมศาสตร์. สาขาวิชาวิศวกรรมเครื่องกล. การประชุมวิชาการเครือข่ายวิศวกรรมเครื่องกลแห่งประเทศไทย ครั้งที่ 39 (ME-NETT 2025) (pp.537-543). ขอนแก่น : มหาวิทยาลัยเทคโนโลยีราชมงคลอีสาน วิทยาเขตขอนแก่น, 2568

tha

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	ME-NETT 2025pp.537-543.pdf	412.15 KB	16	2026-05-26 18:16:01

ใช้เวลา

0.032141 วินาที