การตรวจสอบคุณภาพของเมล็ดข้าวสารโดยใช้เทคนิคประมวลผลภาพ
Article Sidebar
Main Article Content
บทคัดย่อ
ปริมาณข้าวเต็มเมล็ด ต้นข้าว และข้าวแตกหักเป็นตัวบ่งชี้สำคัญในการบ่งบอกคุณภาพทางกายภาพและมูลค่าในการซื้อขายข้าวในประเทศไทย ในปัจจุบันได้มีการนำเทคโนโลยีการประมวลผลภาพเข้ามาใช้หาปริมาณข้าวเมล็ดแตกหักเพื่อยกระดับกระบวนการตรวจวัดคุณภาพข้าว ดังนั้นงานวิจัยนี้จึงมีวัตถุประสงค์เพื่อพัฒนาเครื่องมือต้นแบบโดยใช้วิธีการประมวลผลด้วยภาพ และพัฒนาฟังก์ชันประมวลผลภาพเพื่อประเมินคุณภาพของเมล็ด โดยออกแบบเครื่องต้นแบบที่มีขนาด 51x28x30 (กว้างxยาวxสูง) เซนติเมตร พื้นที่คัดแยก (ฉากถ่ายภาพ) 1,400 ตารางเซนติเมตร ขอบเขตการมองเห็นของกล้องถ่ายภาพ 78 องศา และความสูง 30 เซนติเมตร ใช้เมล็ดข้าวพันธุ์ขาวดอกมะลิ 105 ที่ความชื้น 14.32 เปอร์เซ็นต์ฐานเปียกสำหรับการทดสอบ ทำการคัดแยกเมล็ดข้าวสารออกเป็น 3 กลุ่ม คือ เต็มเมล็ด (และต้นข้าว) ข้าวหัก และปลายข้าวซีวัน ด้วยเครื่องคัดแยกมาตรฐาน (SATAKE) จากนั้นนำไปตรวจวัดขนาดมิติเพื่อสร้างเป็นข้อมูลภาพอ้างอิง สร้างฟังก์ชันวิเคราะห์ขนาดมิติของเมล็ดข้าวผ่านโปรแกรม โดยพัฒนาฟังก์ชันให้มีลำดับการทำงานคือ 1) การแปลงภาพถ่ายเป็นภาพขาวดำ 2) การตรวจจับขอบของวัตถุ 3) การเขียนเส้นขอบ 4) การคำนวณพื้นที่ในเส้นขอบและวัดขนาดแกน 5) การสร้างกรอบระบุวัตถุ 6) การนับจำนวนกรอบวัตถุ และ 7) คำนวณร้อยละของลักษณะของเมล็ดข้าวในแต่ละกลุ่ม ทดสอบเครื่องต้นแบบที่น้ำหนักตัวอย่างข้าว 5-70 กรัม โดยใช้ค่าชี้วัดคือเวลาและความแม่นยำ ผลการทดสอบพบว่าเครื่องต้นแบบสามารถทำงานได้เฉลี่ย 8-13 วินาทีต่อตัวอย่างภาพถ่าย น้ำหนักเมล็ดที่เหมาะสม 5-20 กรัมต่อครั้ง เฉลี่ยความแม่นยำ 91.63-99.57 เปอร์เซ็นต์ จากผลการทดลองชี้ให้เห็นว่าเครื่องต้นแบบที่พัฒนาขึ้นมีศักยภาพในการประเมินคุณภาพของเมล็ดข้าวได้อย่างแม่นยำ วิธีนี้จะเป็นประโยชน์สำหรับแนวทางการพัฒนาการประเมินคุณภาพเมล็ดข้าวในด้านของการคัดแยกขนาดเมล็ด เพื่อกำหนดราคาซื้อขายที่เหมาะสมตามความเป็นจริงในอนาคต
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
กรมการค้าต่างประเทศ. 2559. ประกาศกระทรวงพานิชย์ เรื่อง มาตรฐานสินค้าข้าวหอมไทย พ.ศ. 2559. แหล่งข้อมูล: https://www.dft.go.th/th-th/Detail-Law/ArticleId/8075/2112559103. ค้นเมื่อ 10 ธันวาคม 2565.
กรมวิชาการเกษตร. 2547. คุณภาพและการตรวจสอบข้าวหอมมะลิไทย(ออนไลน์). แหล่งข้อมูล: http://www.ricethailand.go.th
/library/document/E-book/brrd4706001.pdf. ค้นเมื่อ 10 มีนาคม 2565.
กระทรวงพาณิชย์. 2559. ประกาศกระทรวงพาณิชย์ เรื่อง มาตรฐานสินค้าข้าว. ราชกิจจานุเบกษา เล่ม 133 ตอนพิเศษ 243 ง วันที่ 21 มีนาคม 2559: 14-19.
นวภัทรา หนูนาค และ ทวีพล ซื่อสัตย์. 2555. Accuracy / ความถูกต้อง ความแม่นยำ. แหล่งข้อมูล: www.foodnetworksolution.com/wiki/word/4289/accuracy-ความถูกต้อง-ความแม่นยำ. ค้นเมื่อ 10 ธันวาคม 2565.
ประสิทธิ์ นครราช, จุรีรัตน์ อ้วนศรีเมือง และนภาภรณ์ มัธนัง. 2554. การศึกษาการตรวจสอบคุณภาพทางกายภาพของข้าวโดยการประมวลผลภาพดิจิตอลเมล็ดข้าวสาร. ใน เอกสารการประชุมวิชาการ มอบ.วิจัย ครั้งที่ 5 วันที่ 4-5 สิงหาคม 2554. ณ อาคารเทพรัตนสิริปภา มหาวิทยาลัยอุบลราชธานี จังหวัดอุบลราชธานี. 164-173.
ไพศาล การถาง. 2556. กระบวนการเชิงภาพถ่ายที่เหมาะสมสำหรับการศึกษาเมล็ดข้าวเปลือก: จำแนกสายพันธุ์และการทดสอบความผิดปกติของเมล็ด. รายงานวิจัยฉบับสมบูรณ์ คณะวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยเทคโนโลยีราชมงคลพระนคร.
วุฒิพงษ์ พิชิตวงศ์ และทิพา กองศรีมา. 2557. การจำแนกประเภทตามขนาดเมล็ดข้าวด้วยวิธีการประมวลผลภาพดิจิตอลจากกล้องซีซีดี. วารสารมหาวิทยาลัยเทคโนโลยีราชมงคลอีสาน. 7(2): 40-49.
สมาคมผู้ส่งออกข้าวไทย. 2561. ปริมาณส่งออกข้าวไทย 2558-2561. ข่าวสมาคมผู้ส่งออกข้าวไทยประจำเดือนมีนาคม 8(3).
สุชาติ แย้มแม่น, ณรงค์ฤทธิ์ พิมพ์คำวงศ์ และโชคชรัตน์ ฤทธิ์เย็น. 2559. การจำแนกเมล็ดข้าวขาวด้วยกระประมวลผลภาพ. วารสารวิชาการและวิจัยมหาวิทยาลัยเทคโนโลยีราชมงคลพระนคร. 10(1): 1-14.
Aghayeghazvini, H., A. Afzal, M. Heidarisoltanabadi, S. Malek, and L. Mollabashi. 2009. Determining Percentage of Broken Rice by Using Image Analysis. Computer Science. DOI:10.1007/978-1-4419-0211-5_27.
Ajay, G., M. Suneel., K.K. Kumar, and P.S. Prasad. 2013. Quality evaluation of rice grains using morphological methods. International Journal of Soft Computing and Software Engineering. 2: 35–37.
Ali, S.F., H. Jamil, R. Jamil, T. Iqra, and S. Naz. 2017. Low Cost Solution for Rice Quality Analysis using Morphological Parameters and its Comparison with Standard Measurements. In Proceeding of the 20th International Multitopic Conference. November 24-26, 2017. Pakistan: 1-6.
B.K. Yadav, and V.K. Jindal. 2001. Monitoring milling quality of rice by image analysis. Computers and electronics in agriculture. 33 (1): 19-33.
Choon-Ki, L., J. Song, J.T. Yun, J.H. Seo, J.E. Lee, J.T. Kim, G.H. Jeong, and C.K. Kim. 2009. The optimum operating conditions of indented cylinder length grader to remove broken rice based on varietal characteristics. Korean Journal of Crop Science. 54: 366–374.
Dhara, D., N. Gamit, and K. Mistree. 2015. Grading of Rice Grains Quality using Image Processing. International Journal of Modern Trends in Engineering and Research. 2(7): 598–608.
Fang, C., X. Hu, C. Sun, B. Duan, L. Xie, and P. Zhou 2014. Simultaneous determination of multi rice quality parameters using image analysis method. Food Analytical Methods. 8: 70–78.
Jagdeep, S. A., and V.K. Banga. 2012. Grading Of Rice Grains By Image Processing. International Journal of Engineering Research & Technology (IJERT). 1(4): 2278-0181.
Lloyd, B.J., A.G. Cnossen, and T.J. Siebenmorgen. 2001. Evaluation of two methods for separating head rice from brokens for head rice yield determination. Applied Engineering in Agriculture. 17: 643–648.
Myoung, H. K., and S. J. Park. 2013. Analysis of Broken Rice Separation Efficiency of a Laboratory Indented Cylinder Separator. Journal of Biosystems Engineering. 38(2): 95-102.
Nikhade, P., H. More., M. Manekar, and S.T. Khot. 2017. Analysis and Identification of Rice Granules Using Image Processing and Neural Network. International Journal of Electronics and Communication Engineering. 10(1): 25-33.
Ole, T. B. 2013. Analysis of the Indented Cylinder by the use of Computer Vision. Ph.D. Dissertatio. Aarhus University of Denmark.
Qing, Y., C. Jianhua, G. Zexin, S. Chengxiao, and Z. Zhiwei. 2009. Inspection of rice appearance quality using machine vision. In Global Congress on Intelligent Systems. 274-279. Japan: Yoshioka.
Ruokui, C., W. Zhang, C. Jing, Y. Wang, Y. Wei, and L. Yuan. 2009. Research of Rice-Quality Based on Computer Vision and Near Infrared Spectroscopy. In Third IFIP TC 12 International Conference on Computer and Computing Technologies in Agriculture III (CCTA). China: Beijing.
Yajnavalkya, B. 2016. Determination of physical quality of rice using image processing. Journal of Emerging Technologies and Innovative Research. 3(8): 70-71.
Zahida, P., A.A. Muhammad, and S. Hina. 2017. Assessment of Quality of Rice Grain using Optical and Image Processing Technique. In Proceeding of the International Conference on Communication Computing and Digital Systems (C-CODE). 8-9 March 2017. Pakistan: Islamabad.