การพัฒนาซอฟต์แวร์เพื่อคัดแยกระดับความสุกของมะม่วงน้ำดอกไม้โดยใช้เทคนิคค่าเฉลี่ยของสี

ผู้แต่ง

  • วิทยา บุญสุข คณะวิทยาการจัดการและเทคโนโลยีสารสนเทศ มหาวิทยาลัยนครพนม นครพนม
  • จิ่ม ยืนนาน คณะวิทยาการจัดการและเทคโนโลยีสารสนเทศ มหาวิทยาลัยนครพนม นครพนม
  • วัฒนา ศรีวะรมย์ คณะวิทยาการจัดการและเทคโนโลยีสารสนเทศ มหาวิทยาลัยนครพนม นครพนม
  • ศักดิ์ชัย ศรีสุข คณะวิทยาการจัดการและเทคโนโลยีสารสนเทศ มหาวิทยาลัยนครพนม นครพนม

คำสำคัญ:

มะม่วง, ประมวลผลภาพ , อัลกอริทึม , ระดับความเข้มสี

บทคัดย่อ

วัตถุประสงค์ในการวิจัยนี้ เพื่อพัฒนาซอฟต์แวร์ในการคัดมะม่วงด้วยระดับความเข้มของสี หลักการทำงานของระบบใช้การวิเคราะห์หาระดับความเข้มของค่าเฉลี่ยของกลุ่มสีแดง เขียว น้ำเงิน เพื่อใช้ทดสอบในการคัดแยกมะม่วงด้วยสี ผลการประเมินประสิทธิภาพของระบบที่ได้จากการประมวลผลภาพด้วย อัลกอริทึมที่พัฒนาใหม่ จากกลุ่มภาพตัวอย่าง 6 กลุ่ม กลุ่มละ 10 ภาพ รวม 60 ภาพ ในระดับมาตรฐานของภาพ 640x480 พิกเซล ความแม่นยำของกลุ่มที่ 1 มีค่าเฉลี่ย 80% ความแม่นยำของกลุ่มที่ 2 มีค่า เฉลี่ย 80%  ความแม่นยำของกลุ่มที่ 3  มีค่าเฉลี่ย 90%  ความแม่นยำของกลุ่มที่ 4        มีค่าเฉลี่ย 90% ความแม่นยำของกลุ่มที่ 5  มีค่าเฉลี่ย 90%    ความแม่นยำของกลุ่มที่ 6 มีค่าเฉลี่ย 100% และความแม่นยำของค่าเฉลี่ยรวม 88.33% วิธีการใช้ระบบต้องเพิ่มอุปกรณ์กล้องถ่ายภาพเชื่อมกับคอมพิวเตอร์แล้วทำการจับภาพผลมะม่วงโดยตรงจากกล้อง หรือนำภาพจากกล้องถ่ายภาพทั่วไป ที่สามารถนำมาประมวลผลกับซอฟต์แวร์ได้

ภาพรวมระบบที่พัฒนาถือว่ามีประสิทธิภาพ อยู่ในระดับดีมาก แสดงว่าคุณภาพในการเปรียบเทียบระดับความเข้มสีของอัลกอลิทึมที่พัฒนาขึ้น อยู่ในระดับที่ค่อนข้างมีความเที่ยงตรงสูง และมีความเหมาะสมต่อการนำไปประยุกต์ใช้งาน ในการประมวลผลคัดแยกมะม่วงด้วยการวิเคราะห์สีต่อไป

 

References

Barbin, D.F., C.M. Kaminishikawahara, A.L. Soares, I.Y. Mizubuti, M. Grespan, M. Shimokomaki and E.Y. Hirooka 2015. Prediction of chicken quality attributes by near infrared spectroscopy. Food Chemistry 168: 554-560.

Benedetti, L.P.S., V.B. dos Santos, T.A. Silva, E. Benedetti-Filho, V. L.Martinsc and O. Fatibello–Filhoa. 2015. A digital image analysis method for quantification of sulfite in beverages. Analytical Methods Journal 7: 7568-7573.

Girolami, A., F. Napolitano, D. Faraone and A. Braghieri. 2013. Measurement of meat color using a computer vision system. Meat Science 93: 111-118.

Image Processing. 2012. Image display. [Online]. Avaiable http://www.italpha.msu.ac.th/Car_Park_Space_SystemAnalysis_By_ImageProcessingP.ppt (June 10, 2023).

Lakanthinwong, W. 2023. Biological ripeness index and mango wrappers. [Online]. Available https://www.technologychaoban.Com.marketing/article_62644 (June 10, 2023).

Mancini, R. and M. Hunt. 2005. Current research in meat color. Meat Science 71: 100-121.

Munklang, Y. 2012. Image retrieval using feature vectors of color cluster. [Online]. Available http://www.thaithesis.O7rg/detail.phpd=1714(May 15, 2023).

Nowak, R. 2012. Digital image processing basics. [Online]. Available http://www.cnx.org/content (May 15, 2023).

Pathare, P.B., U.L. Opara and F.A. Al-Said. 2013. Colour measurement and analysis in fresh and processed foods: a review. Food and Bioprocess Technology 6: 36-60

Sornart, N. 2012. Automatic ripeness grading of durian flesh by using color histograms and density. [Online]. Available http://www.thaithesis.org/detail.php (May 15, 2023).

Thaweepol, N. 2012. Accuracy and precission. [Online]. Availbla http://www.foodnetworksolution.com/wiki/word/4290/precision/ (June 10, 2023).

Trinderup, C.H. and Y.H.B. Kim. 2015. Fresh meat color evaluation using a structured light imaging system. Food Research International 71: 100-107.

Downloads

เผยแพร่แล้ว

25-12-2024

How to Cite

บุญสุข ว. ., ยืนนาน จ. ., ศรีวะรมย์ ว. ., & ศรีสุข ศ. . (2024). การพัฒนาซอฟต์แวร์เพื่อคัดแยกระดับความสุกของมะม่วงน้ำดอกไม้โดยใช้เทคนิคค่าเฉลี่ยของสี. วารสารวิจัยและส่งเสริมวิชาการเกษตร, 41(3), 162–177. สืบค้น จาก https://li01.tci-thaijo.org/index.php/MJUJN/article/view/261800