การพัฒนาต้นแบบระบบคัดแยกผลเชอร์รี่กาแฟด้วยคอมพิวเตอร์วิทัศน์

บทคัดย่อ

ตลาดกาแฟของประเทศไทยมีการเติบโตอย่างโดดเด่น โดยมีอัตราการเติบโตต่อเนื่องที่ร้อยละ 7.3 ระหว่างปี พ.ศ. 2560 ถึง 2566 มีมูลค่าตลาดถึง 34 ล้านบาท ด้วยการเติบโตดังกล่าว การควบคุมคุณภาพกาแฟให้สม่ำเสมอจึงมีความสำคัญมากขึ้น โดยเฉพาะอย่างยิ่งในขั้นตอนแรกของการคัดเลือกผลเชอร์รี่กาแฟ คุณภาพของผลเชอร์รี่กาแฟส่งผลโดยตรงต่อคุณภาพของเมล็ดกาแฟ ทำให้การคัดแยกที่มีประสิทธิภาพและแม่นยำเป็นสิ่งจำเป็นสำหรับการผลิตกาแฟคุณภาพพรีเมียม งานวิจัยนี้ศึกษาแนวทางนวัตกรรมในการจำแนกผลเชอร์รี่กาแฟโดยใช้เทคนิคการประมวลผลภาพ ได้พัฒนาและเปรียบเทียบแบบจำลองการเรียนรู้ของเครื่องสี่รูปแบบ ได้แก่ Support Vector Machine (SVM), K-Nearest Neighbors (KNN), Artificial Neural Network (ANN), และ Convolutional Neural Network (CNN) แบบจำลองแต่ละตัวได้รับการประเมินด้านความแม่นยำในการจำแนกและความเร็วในการประมวลผล ผลการทดลองแสดงให้เห็นว่าแบบจำลอง CNN มีประสิทธิภาพในการจำแนกสูงสุดอย่างมีนัยสำคัญ โดยมีความแม่นยำถึงร้อยละ 94 และมีเวลาประมวลผลที่ 0.532 วินาทีต่อภาพ นอกจากนี้ เมื่อนำแบบจำลอง CNN มาประยุกต์ใช้ในระบบคัดแยกต้นแบบ พบว่าให้ผลลัพธ์ที่น่าพอใจทั้งในด้านความแม่นยำและกำลังการผลิต โดยมีความแม่นยำในการคัดแยกภาพรวมที่ร้อยละ 81.73 และมีกำลังการผลิตประมาณ 120 ผลต่อนาที (ประมาณ 2 กิโลกรัมต่อชั่วโมง) ผลการวิจัยนี้ชี้ให้เห็นว่าการตรวจสอบด้วยภาพแบบอัตโนมัติโดยใช้ CNN สามารถพัฒนาประสิทธิภาพและความสม่ำเสมอในการคัดแยกผลเชอร์รี่กาแฟ ซึ่งมีศักยภาพในการนำไปประยุกต์ใช้เพื่อยกระดับมาตรฐานการผลิตของวิสาหกิจชุมชนและเกษตรกรรายย่อยได้อย่างมีนัยสำคัญ