Chili Spur Pepper Detection Model Developing for Sorting Machine
Main Article Content
Abstract
Faculty of Science at Sriracha, Kasetsart University Siracha Campus, located in an industrial and agricultural area, aims to advance the agricultural industry through the application of computer technology. This research focuses on improving the sorting process for chili spur peppers by utilizing deep learning techniques such as YOLO to develop a model that accurately analyzes and sorts of peppers by color. The model is intended to enhance sorting processes in production lines and packaging within the agricultural industry. Researchers applied the YOLO technique, collecting 294 images of chili spur peppers and evaluating the model's performance using metrics such as Precision, Recall, and Mean Average Precision (mAP). The results demonstrated a high accuracy, with an average Precision of 99.6%. The study also evaluated the model's practical application, considering factors like accuracy, speed, and economic efficiency, showing that it could be effectively implemented in chili sorting machines. However, further refinement is needed to improve accuracy in certain environmental conditions. Additionally, the research provides insights for the further development and application of image detection technology for sorting other agricultural products, aiming to increase efficiency and reduce waste in agricultural production processes.
Article Details
![Creative Commons License](http://i.creativecommons.org/l/by-nc-nd/4.0/88x31.png)
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Copyright
All content, data, and information stored in Thai Journal Citation Index Center (TCI) are under full responsible of authors. TCI has full copyright on published articles/manuscripts with content, data, information, photos, figures and etc. If a person/corporation needs an access on the published articles/manuscripts for further applications, permission must be granted by TCI.
References
ภูมินทร์ ต้นอุตม์ และณัฐกร ขำสุวรรณ. “การพัฒนาเครื่องต้นแบบคัดแยกดอกดาวเรืองโดยใช้วิธีการประมวล”. วารสารวิชาการวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยราชภัฎนครสวรรค์ ปีที่ 11 ฉบับที่ 13 มกราคม –มิถุนายน 2562,หน้า 79-92.
สิริทัศน์ เลิศตระกูลถาวร “การพัฒนาระบบนับจำนวนนกแอ่นกินรังด้วย YOLO Object Detection ผ่านกล้องถ่ายภาพความร้อน” วิทยานิพนธ์หลักสูตรปริญญาวิทยาศาสตร์มหาบัณฑิต บัณฑิตวิทยาลัยสาขาวิชาเทคโนโลยี สารสนเทศ สถาบันเทคโนโลยีไทย-ญี่ปุ่น ปีการศึกษา 2563 หน้า 13 และ 23
THAI-THAIFOOD.COM [ออนไลน์] พริกชี้ฟ้า. 2559. สืบค้นเมื่อ 15 กันยายน 2566, จาก https://shorturl.asia/Qijrb
รักชัย คุรุบรรเจิดจิต และคณะ. “การทดสอบพันธุ์พริก ชี้ฟ้าต้านทานต่อโรคแอนแทรคโนส”. แบบรายงานวิจัยกรมวิชาการเกษตร 9 หน้า.
Vithan Minaphinant [ออนไลน์] deep learningคืออะไร. 2561. สืบค้นเมื่อ 15 กันยายน 2566, จากhttps://shorturl.asia/zx0Q3
การเรียนรู้เชิงลึกคืออะไร สำคัญอย่างไร [ออนไลน์] การเรียนรู้เชิงลึกคืออะไร. 2561. สืบค้นเมื่อ 15 กันยายน 2566, จากhttps://shorturl.asia/dxh2p
Iqbal H. Sarker (2021). Deep Learning: A Comprehensive Overview on Techniques, Taxonomy, Applications and Research Directions. SN Computer Science. Volume 2, number 420 (2021). https://doi.org/10.1007/s42979-021-00815-1, https://shorturl.asia/yh8Td, pp 1-20
Jirat Boonphun [ออนไลน์] Object Detection คืออะไร. 2564. สืบค้นเมื่อ 16 กันยายน 2566, จากhttps://shorturl.asia/sNS1B
Surapong Kanoktipsatharpong [ออนไลน์] Object Detection คืออะไร. 2563. สืบค้นเมื่อ16 กันยายน 2566, จากhttps://shorturl.asia/twFLQ
TIPA [ออนไลน์] yolo v5 คืออะไร. 2565. สืบค้นเมื่อ 18 กันยายน 2566, จาก https://shorturl.asia/FQeMi
ชวิศ ภูริพัฒน์ “ประสิทธิภาพของระบบตรวจจับวัตถุเคลื่อนที่ กรณีศึกษา ฟาร์มนกแอ่นกินรัง” วิทยานิพนธ์หลักสูตรปริญญาวิทยาศาสตร์มหาบัณฑิต บัณฑิตวิทยาลัยสาขาวิชาเทคโนโลยีสารสนเทศ สถาบันเทคโนโลยีไทย-ญี่ปุ่น ปีการศึกษา 2563. หน้า 20-21
T. Fredriksson,D. I. Mattos,J. Bosch, H. H. Olsson (2020), Data Labeling: An Empirical Investigation into Industrial Challenges and Mitigation Strategies, In book: Product-Focused Software Process Improvement ,November 2020, DOI: 10.1007/978-3-030-64148-1_13,16 pages.
Shapiee, M.N.A., Abdul Manan, A.A., Mohd Razman, M.A., Mohd Khairuddin, I., P. P. Abdul Majeed, A. (2022). Chili Plant Classification Using Transfer Learning Models Through Object Detection. In: Khairuddin, I.M., et al. Enabling Industry 4.0 through Advances in Mechatronics. Lecture Notes in Electrical Engineering, vol 900. Springer, Singapore. https://doi.org/10.1007/978-981-19-2095-0_46 First Online: 15 May 2022, pp. 541–551
I. Agustian , R. Faurina , S. I. Ishak , F.P. Utama ,K. Dinata , N. Daratha (2023), Deep learning pest detection on Indonesian red chili pepper plant based on fine-tuned YOLOv5, International Journal of Advances in Intelligent Informatics ,Vol. 9, No. 3, November 2023, pp. 383-401, ISSN 2442-6571, DOI: 10.26555/ijain.v9i3.864