ระบบการตรวจจับสัตว์ป่าอัตโนมัติโดยใช้ YOLOv12 ร่วมกับไมโครคอนโทรลเลอร์ ESP32-S3
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาโมเดลตรวจจับและจำแนกสัตว์ป่าด้วยเทคโนโลยีการเรียนรู้เชิงลึก โดยใช้โมเดล YOLOv12 ซึ่งได้รับการฝึกด้วยชุดภาพสัตว์ป่าจำนวน 12,500 ภาพ ที่รวบรวมจากฐานข้อมูล Kaggle, Google, Pixabay และภาพถ่ายจากพื้นที่จริง การทดลองประกอบด้วยการเปรียบเทียบประสิทธิภาพของกล้องเลนส์มุมกว้าง 66 และ 160 องศา ที่ใช้ร่วมกับเซ็นเซอร์ตรวจจับความเคลื่อนไหวแบบอินฟราเรด (HC-SR501) และไมโครเวฟ (RCWL-0516) นอกจากนี้ ยังมีการพัฒนาระบบแจ้งเตือนแบบเรียลไทม์โดยใช้ไมโครคอนโทรลเลอร์ ESP32-S3 เพื่อส่งภาพที่บันทึกไว้ผ่าน Wi-Fi ไปยังเซิร์ฟเวอร์ FastAPI โดยใช้โปรโตคอล HTTPS และส่งการแจ้งเตือนผ่าน Telegram Bot กลุ่มเป้าหมายที่สนใจตรวจจับของงานวิจัยนี้คือสัตว์ป่าขนาดใหญ่ที่มีความเสี่ยงต่อความขัดแย้งระหว่างมนุษย์กับสัตว์ป่า ได้แก่ ช้าง เสือ หมี และกระทิง การประเมินประสิทธิภาพของโมเดลใช้ค่า mean Average Precision (mAP), Precision และ Recall ผลการวิจัยพบว่า YOLOv12 ที่ปรับแต่งเพื่อการตรวจจับสัตว์ป่ามีค่า mAP@0.5 เท่ากับ 0.908 โดยจำแนกเสือได้แม่นยำที่สุด (mAP = 0.947) รองลงมาคือ ช้าง (mAP = 0.925), กระทิง (mAP = 0.901) และหมี (mAP = 0.859) กล้องเลนส์ 66 องศาให้ความแม่นยำในการตรวจับเฉลี่ย 82.28% สูงกว่าแบบ 160 องศา (72.72%) เนื่องจากภาพจากเลนส์มุมกว้างลดขนาดสัตว์ในภาพเมื่ออยู่ระยะไกล ระบบสามารถแจ้งเตือนแบบเรียลไทม์ได้อย่างมีประสิทธิภาพ โดยเซ็นเซอร์ HC-SR501 เหมาะกับการตรวจจับระยะใกล้ โดยให้ค่าความแม่นยำในการตรวจับเท่ากับ 84.43% ที่ระยะ 4 เมตร สำหรับช้าง และให้ค่าความแม่นยำในการตรวจับเท่ากับ 80.46% ที่ 6 เมตรสำหรับกระทิง ในขณะที่เซ็นเซอร์ RCWL-0516 มีความแม่นยำมากกว่าในระยะไกลและในสภาพแวดล้อมที่มีสิ่งกีดขวาง โดยให้ค่าความแม่นยำในการตรวจับเท่ากับ 69.43% ที่ระยะ 8 เมตร สำหรับช้าง และให้ค่าความแม่นยำในการตรวจับเท่ากับ 65.17% ที่ 10 เมตรสำหรับหมี ระบบที่พัฒนานี้แสดงให้เห็นศักยภาพในการติดตามและแจ้งเตือนสัตว์ป่าอย่างคุ้มต้นทุนและแม่นยำในการใช้งานจริง
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์เป็นลิขสิทธิ์ของ วารสารวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยอุบลราชธานี
ข้อความที่ปรากฏในบทความแต่ละเรื่องในวารสารวิชาการเล่มนี้เป็นความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่านไม่เกี่ยวข้องกับมหาวิทยาลัยอุบลราชธานี และคณาจารย์ท่านอื่นๆในมหาวิทยาลัยฯ แต่อย่างใด ความรับผิดชอบองค์ประกอบทั้งหมดของบทความแต่ละเรื่องเป็นของผู้เขียนแต่ละท่าน หากมีความผิดพลาดใดๆ ผู้เขียนแต่ละท่านจะรับผิดชอบบทความของตนเองแต่ผู้เดียว
เอกสารอ้างอิง
Yan, X., Shen, B. and Li, H. 2023. Small object detection method for UAVs aerial image based on YOLOv5s. In: Proceedings of the 2023 IEEE 6th International Conference on Electronic Information and Communication Technology, July 21-24, 2023. Qingdao, China.
Sahay, A., Singh, K.V. and Ponsam, G. 2023. Multi-object detection and tracking using machine learning. In: Proceedings of the 2023 International Conference on Computer Communication and Informatics, 23-25 January 2023. Coimbatore, India.
Leonid, T.T. and et al. 2023. Human wildlife conflict mitigation using YOLO algorithm. In: Proceedings of the 2023 Eighth International Conference on Science Technology Engineering and Mathematics, 6-7 April 2023. Chennai, India.
Cardellicchio, A. and et al. 2023. Tomato detection in challenging scenarios using YOLO-based single stage detectors. In: Proceedings of the 2023 IEEE International Workshop on Metrology for Agriculture and Forestry, 6-8 November 2023. Pisa, Italy.
Chen, X. and Zhai, Y. 2023. A multi-objective traffic flow detection system based on an improved YOLOv4 algorithm. In: Proceedings of the 2023 IEEE 2nd International Conference on Electrical Engineering, Big Data and Algorithms, 24-26 February 2023. Changchun, China.
Ono, S., Nishiyama, Y. and Sezaki, K. 2022. Detecting face-mask wearing status using motion sensors in commercially available smartwatches. In: Proceedings of the 2022 IEEE International Conference on E-health Networking, Application & Services, 17-19 October 2022. Genoa, Italy.
Kumar, V.M., Ajina, A. and Deepak, D.J. 2023. Improving smart home safety with face recognition using machine learning. In: Proceedings of the 2023 International Conference on Advances in Electronics, Communication, Computing and Intelligent Information Systems, 19-21 April 2023. Bangalore, India.
Elaoua, A., Nadour, M. and Cherroun, L. 2023. Real-time people counting system using YOLOv8 object detection. In: Proceedings of the 2023 2nd International Conference on Electronics, Energy and Measurement, 28-29 November 2023. Medea, Algeria.
Nale, P. and Gite, S. 2023. Real-time weapons detection system using computer vision. In: Proceedings of the 2023 Third International Conference on Smart Technologies, Communication and Robotics, 9-10 December 2023. Sathyamangalam, India.
