การศึกษาความเป็นไปได้ในการประเมินระดับคลอโรฟิลล์ของใบปาล์มน้ำมันโดยใช้เทคนิคการประมวลผลภาพถ่ายจากกล้องสมาร์ทโฟน

Main Article Content

กิตติศักดิ์ เพ็ชรพันธ์
รัฐพงษ์ สุวลักษณ์

บทคัดย่อ

งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาความเป็นไปได้ในการประยุกต์ใช้เทคนิคการประมวลผลภาพถ่ายจากกล้องสมาร์ทโฟนสำหรับการประเมินระดับคลอโรฟิลล์ของใบปาล์มน้ำมัน และศึกษาอิทธิพลของความสว่างขณะถ่ายภาพที่มีต่อสมรรถนะการทำนายระดับคลอโรฟิลล์ของแบบจำลองทางคณิตศาสตร์ ในการทดสอบได้สุ่มเก็บตัวอย่างใบปาล์มน้ำมัน จำนวน 50 ตัวอย่าง จากทางใบที่ 17 จำนวน 50 ต้น เพื่อทำการวัดระดับคลอโรฟิลล์ และถ่ายภาพด้วยกล้องสมาร์ทโฟนภายใต้สภาวะที่ควบคุมแสงแตกต่างกัน 2 ระดับ ภาพถ่ายใบแต่ละภาพถูกหาค่าเฉลี่ยระดับสีแดง (R) สีเขียว (G) และสีน้ำเงิน (B) โดยใช้โปรแกรม Matlab ในการประมวลผล งานวิจัยนี้ใช้ตัวแปรต้นเพื่อการวิเคราะห์หาความสัมพันธ์กับค่าระดับคลอโรฟิลล์ของใบจำนวน 7 ตัวแปร ประกอบด้วย R, G, B, G/(R+G+B), (R-B)/(R+B), G-R และ G+R ชุดข้อมูลทั้งหมดถูกแบ่งออกเป็น 2 กลุ่มด้วยการสุ่ม ประกอบด้วย 40 ตัวอย่าง เพื่อใช้สร้างแบบจำลอง (Training Dataset) และอีก 10 ตัวอย่าง เพื่อใช้ทดสอบแบบจำลอง (Test Dataset) การพัฒนาแบบจำลองอาศัยวิธีการวิเคราะห์สมการถดถอยเชิงเส้นตัวแปรพหุแบบเป็นขั้นตอนร่วมกับการพิจารณารูปแบบตัวแปรต้น 3 ประเภท ประกอบด้วย ตัวแปรเชิงเส้น ตัวแปรปฏิสัมพันธ์ และตัวแปรกำลังสอง ในการพัฒนาแบบจำลองได้แบ่งออกเป็น 3 รูปแบบ เพื่อศึกษาอิทธิพลของแสงสว่างที่มีต่อสมรรถนะของแบบจำลอง ประกอบด้วย 1) แบบจำลอง A สำหรับชุดข้อมูลภาพถ่ายที่ระดับความสว่าง 1,280 ลักซ์ 2) แบบจำลอง Bสำหรับชุดข้อมูลภาพถ่ายที่ระดับความสว่าง 2,570 ลักซ์ และ 3) แบบจำลอง C ที่รวมชุดข้อมูลภาพถ่ายที่ระดับความสว่างทั้งสองระดับ จากผลการสร้างแบบจำลอง พบว่า มีค่าสัมประสิทธิ์การตัดสินใจที่ปรับแก้แล้ว (Adjusted Coefficient of Determination, Adj-R2) และรากที่สองของความคลาดเคลื่อนกำลังสองเฉลี่ย (RMSE) เท่ากับ 0.690 และ 3.3, 0.723 และ 3.1, และ 0.725 และ 3.1 สำหรับแบบจำลอง A, B และ C ตามลำดับ การพิสูจน์แบบจำลองด้วยชุดทดสอบพบว่า มีค่าสัมประสิทธิ์การตัดสินใจ (R2) และค่ารากที่สองของความคลาดเคลื่อนกำลังสองเฉลี่ยสำหรับการทำนาย (RMSEP) เท่ากับ 0.606 และ 5.8, 0.650 และ 5.3, และ 0.649 และ 4.8 สำหรับแบบจำลอง A, B และ C ตามลำดับ ผลจากการทดสอบสมมติฐานทางสถิติเพื่อประเมินอิทธิพลของความสว่างที่ใช้ในการถ่ายภาพทั้ง 2 ระดับ โดยใช้วิธีการเปรียบเทียบค่าเฉลี่ยของค่าคลอโรฟิลล์ที่ทำนายได้จากแบบจำลอง A และ B (Paired Sample T-Test) พบว่า ไม่มีความแตกต่างกันทางสถิติที่ระดับความเชื่อมั่น 95% และผลที่ได้จากแบบจำลอง C ได้บ่งชี้ว่าแบบจำลองที่พัฒนาจากข้อมูลภาพถ่ายที่มีความสว่างแตกต่างกันหลาย ๆ ระดับมีแนวโน้มที่ดีกว่าสำหรับการใช้งานจริงภายใต้สภาวะแสงธรรมชาติ

Downloads

Download data is not yet available.

Article Details

บท
Electronics and information technology

References

CPIAGROTECH, 2564. ปาล์มน้ำมันและคลอโรฟิลล์. แหล่งข้อมูล:http://www.cpiagrotech.com/knowledge-068/ เข้าถึงเมื่อ 27 มีนาคม 2564.
Culman, M.A., Gomez, J.A., Talavera, J., Quiroz, L.A., Tobon, L.E., Aranda, J.M., Garreta, L.E., Bayona´, C.J. 2017. A novel application for identification of nutrient deficiencies in oil palm using the internet of things. 5th IEEE International Conference on Mobile Cloud Computing, Services, and Engineering.
Dutta-Gupta, S., Ibaraki, Y., Pattanayak, A.K. 2013. Development of a digital image analysis method for real-time estimation of chlorophyll content in micropropagated potato plants. Plant Biotechnology Reports, 7:91–97, DOI 10.1007/s11816-012-0240-5
Hu, H., Liu, H., Zhang, H., Zhu, J., Yao, X., Zhang, X., Zheng, K. 2010. Assessment of chlorophyll content based on image color analysis, comparison with SPAD-502. 2010 2nd International Conference on Information Engineering and Computer Science, Wuhan, China, doi: 10.1109/ICIECS.2010.5678413.
Muhammad Asraf, H., Nooritawati, M.T., Shah Rizam, M.S.B. 2012. A comparative study in kernel-based support vector machine of oil palm leaves nutrient disease. International Symposium on Robotics and Intelligent Sensors 2012 (IRIS 2012). Procedia Engineering 41 (2012) 1353 – 1359.
Muhammad Asraf, H., Nooritawati, M.T., Shah, R.S.B., Nur Dalila, K.A. 2013. Elaeis Guineensis leaf image segmentation: a comparative study and analysis. IEEE 3rd International Conference on System Engineering and Technology, 19 - 20 Aug. 2013, Shah Alam, Malaysia.
Muhammad Asraf, H., Nur Dalila, K.A., Amar Faiz, Z.A., Siti Aminah, N., Nooritawati M.T. 2017. A fuzzy inference system for diagnosing oil palm nutritional deficiency symptoms. ARPN Journal of Engineering and Applied Sciences, 12(10).
Wang, Y., Wang, D., Shi, P., Omasa, K. 2014. Estimating rice chlorophyll content and leaf nitrogen concentration with a digital still color camera under natural light. Plant Methods, 10:36
ธีระพงศ์ จันทรนิยม. 2559. คู่มือเกษตรกร: การผลิตปาล์มน้ำมันอย่างมีประสิทธิภาพ. ISBN 978-616-271-308-8