A 4-Axis Robot Controller for Detection Thrips and Orchid Midge in Dendrobium Orchid

Authors

  • Tinnasit Kaisinburasak tinnasit.k@gmaill.co.th
  • Prasat Sangphanta
  • Puttinun Jaruwat
  • Anucha Chaochot
  • Mongkol Tunhaw
  • Nirut Boonya
  • Srijumnun Srijuntra
  • Jiravee Kaisinburasak
  • Kunthakorn Khaothong

DOI:

https://doi.org/10.14456/thaidoa-agres.2021.12

Keywords:

detecting system for thrips and orchid midge, Convolutional Neural Network, 4-DOF robot arm

Abstract

Thrips and Orchid midge are major pests of Dendrobium orchid throughout the year. Usually farmers found thrips after an outbreak had already occurred because of their small size. Signs of orchid midge outbreak were the vitrification and distortion on the orchid flower buds which were difficult to observe. The objective of this research was to design a detection equipment for thrips and orchid midge which could reduce error of the human labors. The prototype had two major parts. Part I was a Convolutional Neural Network (CNN) which had been used for images classifications. Part II was a 4-DOF robot arm which could be moved for insect pest detection through a digital camera. It was tested with 30 clumps of Dendrobium orchid grown in a greenhouse at Mueang district, Nakhon Pathom province and compared
its performance with a human labor. Results showed that the efficacy of the prototype in detecting thrips was 81.1%, for orchid midge was 88.1% and the average time of detection was 25.10 sec./clump. For human labor, the efficacy of detection for thrips was 75.8%, for orchid midge was 83.3% and the average time of detection was 53.37 sec./clump. Human labor worked better at the beginning as compared to the prototype, but in the latter time the prototype was better due to human labor fatigue.

Downloads

Download data is not yet available.

References

ตะวันส่องแสง การย์กวินพงศ์. 2561. การจำแนกรอยโรควัณโรคปอดด้วยโครงข่ายแคปซูล. วิทยานิพนธ์วิทยาศาสตร์มหาบัณฑิต, จุฬาลงกรณ์มหาวิทยาลัย.68 หน้า

นพวัชร์ สำแดงเดช. 2560. การตรวจจับหน้าตัดของปลายท่อนซุงจากภาพถ่ายด้านท้ายรถบรรทุกไม้ยูคาลิปตัส. วิทยานิพนธ์ปริญญามหาบัณฑิต, คณะวิศวกรรมศาสตร์, จุฬาลงกรณ์มหาวิทยาลัย.120 หน้า

พิมพา ชีวาประกอบกิจ. 2562. การปรับปรุงประสิทธิภาพในการจำแนกภาพด้วยโครงข่ายประสาทแบบคอนโวลูชันโดยใช้เทคนิคการเพิ่มภาพ. TNI Journal of Engineering and Technology. 7(1): 59-64.

ศรีจำนรรจ์ ศรีจันทรา, ทัศนาพร ทัศคร, สุภราดา สุคนธาภิรมย์ ณ พัทลุง, ณิชกานต์ นเรวุฒิกุล, วรางคนา โชติเศรษฐี, ยุรวรรณ อนันตนมณี, พิเชฐ เชาวน์วัฒนวงศ์, ปราสาททอง พรหมเกิด, วัชรี วิทยวรรณกุล และดาราพร รินทะรักษ์. 2559. การบริหารศัตรูกล้วยไม้แบบผสมผสาน. ว. กีฏและสัตววิทยา. 34(1): 2-16.

สุภราดา สุคนธาภิรมย์ ณ พัทลุง, สมศักดิ์ ศิริพลตั้งมั่น, พวงผกา อ่างมณี และวนาพร วงษ์นิคง. 2554. กลไกความต้านทานต่อสารฆ่าแมลงในเพลี้ยไฟฝ้าย, หน้า.911-916. ใน: รายงานผลการวิจัยประจำปี 2554 สำนักวิจัยพัฒนาการอารักขาพืช. กรมวิชาการเกษตร กระทรวงเกษตรและสหกรณ์, กรุงเทพฯ.

Makoto Koike. 2018. Automatic cucumber sorting system from pictures @ Cucumber Farm in Japan (Part 2/2). Available at: https://mgronline.com/daily/detail/9590000091327, Accessed: December 20, 2018.

Zafrulla. Z., H. Brashear, N.T. Starner, H. Hamilton, and P. Presti. 2011. American Sign Language Recognition with the Kinect ICMI'11, page. 279-286. In: Proceedings of the 13th international conference on multimodal interfaces. 14 -18 November 2011, Alicante, Spain.

Published

2021-05-25

How to Cite

Kaisinburasak ต., Sangphanta ป., Jaruwat พ. ., Chaochot อ. ., Tunhaw ม. ., Boonya น. ., Srijuntra ศ. ., Kaisinburasak จ. ., & Khaothong ก. . . (2021). A 4-Axis Robot Controller for Detection Thrips and Orchid Midge in Dendrobium Orchid. Thai Agricultural Research Journal, 39(2). https://doi.org/10.14456/thaidoa-agres.2021.12

Issue

Section

Technical or research paper