การจำแนกเมล็ดพันธุ์ข้าวด้วยระบบการประมวลผลภาพร่วมกับโครงข่ายประสาทเทียม Classification rice seeds using image processing combined with artificial neural network

บทคัดย่อ

            บทความวิจัยนี้เสนอการจำแนกเมล็ดพันธุ์ข้าวด้วยการวิเคราะห์ภาพร่วมกับการใช้แบบจำลองโครงข่ายประสาทเทียม (ANN) โดยมีขั้นตอนที่เริ่มจากการใช้ภาพเมล็ดพันธุ์ข้าวมาฝึกฝน และสร้างแบบจำลองโครงข่ายประสาทเทียมแบบ Back propagation algorithm โดยมี input เป็นค่าของสี 0 - 255 ระดับ และ output เป็นพันธุ์ข้าว กข.6 และขาวดอกมะลิ 105 ซึ่งมีแบบจำลอง 2 รูปแบบคือ แบบจำลองแรก ANN-1 มี input 3 ค่า คือ [R G B] และแบบจำลองที่สอง ANN-2 มี input 4 ค่า คือ [R G B K] ทุกๆ แบบจำลองมีการปรับเปลี่ยนจำนวน perceptron ในชั้น Hidden layer จาก 1 2 3 4 5 10 15 และ 20 โดยแบบจำลองที่ได้สร้างแต่ละรูปแบบนั้นได้ถูกนำมาใช้สำหรับในการตัดสินใจให้ชุดระบบสาพานคัดแยกตามตำแหน่งเมล็ดพันธุ์ ผลพบว่าการแบบจำลอง ANN-2 ที่มีจำนวน perceptron ในชั้น Hidden layer เท่ากับ 15 มีความเหมาะสมในการจำแนกชนิดพันธุ์ทั้งข้าว กข.6 และขาวดอกมะลิ 105 ได้สูงถึงร้อยละ 98 ซึ่งมีผลจากปัจจัยของข้อมูลที่ถูกป้อนในการเรียนรู้ และจดจำของแบบจำลองที่มี input 4 ค่า จะมีการแยกรูปแบบได้ดีกว่า input 3 ค่า ประโยชน์ที่ได้จากงานวิจัยนี้สามารถนำไปพัฒนาใช้ในการจำแนกเมล็ดพันธุ์อื่นๆ ในด้านงานเกษตรด้วยลักษณะทางกายภาพ รูปทรงหรือขนาดโดยไม่ทำลายโครงสร้างภายในเมล็ดพันธุ์

             This article was proposed the rice classifiation system with image processing technique combine artificial neural, which is divided into two parts: one was modeling and second was a separate belt system with cameras installed for taking a photo of sampled seed rice. The artificial neural network (ANN) modeling consisting of two patterns are ANN-1 is a model with 3 inputs, [R-G-B] and ANN-2 adds a gray scale to four values: [R-G-B-Gray scale]. The output will be rice varieties RD6 and Mali 105, in which each model will adjust the perceptron in the hidden layer from 1-20. The result of a model was accurate in high and low perceptrons were chosen as a model for seed discrimination. It was found that the seed classification through the simulation set gave an accuracy of up to 98, which is the model in Figure 2 [R G B Gray scale]. The benefits from this research can be applied in the classification of the sorting system as well. physical characteristics without destroying the internal structure of the seed.