การจำแนกภาพสมุนไพรจีนด้วยเทคนิคการเรียนรู้เชิงลึกผ่านแอปพลิเคชันบนระบบปฏิบัติการแอนดรอยด์
คำสำคัญ:
การจำแนก, ภาพสมุนไพรจีน, การเรียนรู้เชิงลึก, โครงข่ายประสาทเทียมคอนโวลูชัน, แอปพลิเคชันบทคัดย่อ
ปัจจุบันแนวคิดเรื่องการดูแลสุขภาพด้วยสมุนไพรกำลังได้รับความสนใจเพิ่มมากขึ้น โดยเฉพาะสมุนไพรจีนซึ่งมีสรรพคุณสามารถบำบัดรักษาอาการป่วยหรือโรคได้ แต่การตรวจสอบชนิดสมุนไพรจีนและสรรพคุณการรักษาโรคเป็นเรื่องยากสำหรับประชาชนทั่วไป งานวิจัยนี้จึงนำเสนอการพัฒนาแอปพลิเคชันบนระบบปฏิบัติการแอนดรอยด์สำหรับจำแนกภาพสมุนไพรจีนโดยประยุกต์ใช้เทคนิคการเรียนรู้เชิงลึก ขั้นตอนงานวิจัยประกอบด้วยการเตรียมภาพก่อนการประมวลผลได้มีการเตรียมภาพตัวอย่างที่นำมาใช้ทดสอบจำนวนทั้งหมด 2,640 ภาพ ขั้นตอนต่อไปเป็นการนำภาพตัวอย่างมาฝึกสอน สร้างแบบจำลองจำแนกภาพด้วยเทคนิคโครงข่ายประสาทเทียมการเรียนรู้เชิงลึกคอนโวลูชันโดยใช้ไลบรารี่ของเทนเซอร์โฟลสำหรับการจำแนกภาพ ซึ่งฝึกสอนให้สามารถจำแนกภาพสมุนไพรจีนจำนวน 12 ประเภท จากนั้นนำแบบจำลองไปพัฒนาเป็นแอปพลิเคชัน ขั้นตอนสุดท้ายเป็นการทดสอบประสิทธิภาพแอปพลิเคชัน สถิติที่ใช้ในการวิจัย ได้แก่ ค่าความถูกต้อง ค่าความแม่นยำ ค่าความระลึก ค่าเฉลี่ย และส่วนเบี่ยงเบนมาตรฐาน ผลการวิจัยพบว่า (1) แบบจำลองการเรียนรู้เชิงลึกสำหรับจำแนกภาพสมุนไพรจีนที่รอบการฝึกสอน 500 รอบ มีค่าความถูกต้องสูงสุดเท่ากับ 98.30% ค่าความแม่นยำ 98.29% และค่าความระลึก 98.30% (2) ผลลัพธ์ค่าความถูกต้องของแอปพลิเคชันในการจำแนกภาพสมุนไพรจีน มีค่าความถูกต้องเฉลี่ย 89.17% และ (3) ผลการประเมินคุณภาพระบบโดยผู้เชี่ยวชาญอยู่ในระดับเหมาะสมมากและความพึงพอใจของระบบโดยผู้ใช้งานอยู่ในระดับพึงพอใจมาก ค่าเฉลี่ยเท่ากับ 4.23 ผลการทดลองแสดงให้เห็นว่าแอปพลิเคชันที่พัฒนาขึ้นนี้สามารถนำไปใช้ประโยชน์ในการช่วยจำแนกภาพสมุนไพรจีนเบื้องต้นได้อย่างมีประสิทธิภาพ
เอกสารอ้างอิง
Atole, R. and Park, D. 2018. A Multiclass Deep Convolutional Neural Network Classifier for Detection of Common Rice Plant Anomalies. International Journal of Advanced Computer Science and Applications 9(1): 67-70.
Boonkidram, S. and Sriwiboon, N. 2020. Physical Quality Investigation of Germinated Brown Rice by using Image Processing. Journal of Information Science and Technology 10(2): 101-109. (in Thai)
Butploy, N. and Boonying, S. 2020. Classification of Benjapakee Buddha amulets image by deep learning. RMUTSB Academic Journal 8(1): 100-111. (in Thai)
Carrio, A., Sampedro, C., Rodriguez-Ramos, A. and Campoy, P. 2017. A Review of Deep Learning Methods and Applications for Unmanned Aerial Vehicles. Journal of Sensors 2017(1): 1-13.
Gaticaa, G., Bestb, S., Ceronic, J. and Lefranc, G. 2013. Olive fruits recognition using neural networks. Procedia Computer Science 2013(17): 412-419.
Health Book Editor. 2013. The miracle of Chinese herbs for treat disease and health care. 1sted. Se-education, Bangkok. (in Thai)
Huachiew Traditional Chinese Medicine Clinic. 2021. What is Traditional Chinese medicine?. Huachiew Traditional Chinese Medicine. Available Source: https://www.huachiewtcm.com, September 9, 2021. (in Thai)
Jmour, N., Zayen, S. and Abdelkrim, A. 2018. Convolutional neural networks for image classification, pp. 397-402. In Proceedings of the 2018 International Conference on Advanced Systems and Electrical Technologies. ASET Association, Hammamet.
Lim, G. and Chuah, J. 2018. Durian types recognition using deep learning techniques, pp. 183-187. In Proceedings of IEEE Control and System Graduate Research Colloquium. University Technology Mara, Shah Alam.
Lu, Y., Yi, S., Zeng, N., Liu, Y. and Zhang, Y. 2017. Identification of rice diseases using deep convolutional neural networks. Neurocomputing 2017(267): 378-384.
Manoi, N., Bunjanda, A. and Rattanapoka, C. 2019. A System for Cooking Recipe Sharing and Cooking Recipe Finding by an Image of Ingredients using Deep Learning Technique. The Journal of Industrial Technology 15(2): 97-111. (in Thai)
Muneer, A. and Fati, S. 2020. Efficient and Automated Herbs Classification Approach Based on Shape and Texture Features using Deep Learning. IEEE Access 8(1): 196747-196764.
Petagon, R. and Pantho, O. 2020. Drone for Detecting Forest Fires using Deep Learning Technique. The Sripatum Review of Science and Technology 12(1): 65-78. (in Thai)
Sanuksan, J. and Surinta, O. 2019. Deep Convolutional Neural Networks for Plant Recognition in the Natural Environment. Journal of Science and Technology Mahasarakham University 38(2): 113-124. (in Thai)
Sladojevic, S., Arsenovic, M., Anderla, A., Culibrk, D. and Stefanovic, D. 2016. Deep Neural Networks Based Recognition of Plant Diseases by Leaf Image Classification. Computational Intelligence and Neuroscience 2016(1): 1-11.
Verma, A., Singh, P. and Alex, J. 2019. Modified Convolution Neural Network Architecture Analysis for Facial Emotion Recognition, pp. 169-173. In Proceedings of the 2019 International Conference on Systems, Signals and Image Processing. University of Osijek, Osijek.
Wannawibul, P. 2012. Know choose know use 100 Chinese herbs. 1st ed. Thongkasem Publishing, Bangkok. (in Thai)
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2023 วารสารวิจัย มหาวิทยาลัยเทคโนโลยีราชมงคลศรีวิชัย
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เนื้อหาและข้อมูลในบทความที่ลงตีพิมพ์ในวารสารวิจัยมหาวิทยาลัยเทคโนโลยีราชมงคลศรีวิชัย ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรง ซึ่งกองบรรณาธิการวารสารไม่จำเป็น ต้องเห็นด้วย หรือร่วมรับผิดชอบใดๆ
บทความ ข้อมูล เนื้อหา รูปภาพฯลฯ ที่ได้รับการตีพิมพ์ในวารสารวิจัย มหาวิทยาลัยเทคโนโลยีราชมงคลศรีวิชัย ถือเป็นลิขสิทธ์ของวารสารวิจัย มหาวิทยาลัยเทคโนโลยีราชมงคลศรีวิชัย หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนหนึ่งส่วนใดไปเผยแพร่ต่อหรือเพื่อการกระทำการใดๆจะต้องได้รับอนุญาตเป็นลายลักษ์อักษรจากวารสาร มหาวิทยาลัยเทคโนโลยีราชมงคลศรีวิชัยก่อนเท่านั้น
