การพัฒนาระบบควบคุมโรงเรือนใบบัวบกอัตโนมัติโดยใช้เทคโนโลยี IoT และการจำแนกใบบัวบกโดยการเรียนรู้เชิงลึก

ผู้แต่ง

  • สิทธิพงศ์ พรอุดมทรัพย์ คณะวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยราชภัฏพระนคร
  • สิทธิพร พรอุดมทรัพย์ คณะวิทยาการจัดการ มหาวิทยาลัยราชภัฏอุตรดิตถ์
  • รณกร รัตนธรรมมา คณะวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยราชภัฏพระนคร
  • เติมยศ เสนีวงศ์ ณ อยุธยา คณะวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยราชภัฏพระนคร

คำสำคัญ:

ใบบัวบก, การเรียนรู้เชิงลึก, การเรียนรู้แบบถ่ายโอนข้อมูล, เทคโนโลยีในทุกสรรพสิ่ง

บทคัดย่อ

งานวิจัยนี้มีวัตถุประสงค์เพื่อ 1) ส่วนของการพัฒนาระบบควบคุมโรงเรือนนอัตโนมัติโดยใช้เทคโนโลยี IoT โดยโรงเรือนประกอบด้วย เซ็นเซอร์ตรวจวัดอุณหภูมิ ความชื้นในดิน เซ็นเซอร์ธาตุ N P K โดยส่งข้อมูลกับ NetPie server ทำงานร่วมกับ ภาพจากกล้องวงจรปิดในโรงเรือน และ AI server เพื่อควบคุมการทำงาน ระบบเครื่องลดน้ำ ระบบพ่นหมอก โดยโรงเรือนสามารควบคุมได้ทั้งที่โรงเรือนหรือควบคุมผ่านระบบอินเทอร์เน็ตและควบคุมอัตโนมัติผ่านปัญญาประดิษฐ์ 2) ส่วนการเพื่อศึกษาการจำแนกรูปภาพใบบัวบกที่มีขนาดเล็ก ขนาดกลาง ขนาดใหญ่ โดยใช้การเทคนิคการเรียนรู้เชิงลึก เพื่อพัฒนาแบบจำลองการจำแนกโครงสร้างประสาทเทียม Convolutional Neural Network (CNN) โดยใช้ โมเดล VGG16, ResNet50 และ InceptionV3 ร่วมกับการใช้เทคนิคการเรียนรู้แบบถ่าย โดยได้ใช้ชุดข้อมูลที่เก็บรวบรวมเองและภาพจากอินเทอร์เน็ต

ผลการวิจัยพบว่า

  1.  ระบบควบคุมโรงเรือนอัตโนมัติผู้เชี่ยวชาญและผู้ใช้งานจำนวน 10 คน มีความพึงพอใจอยู่ในระดับพึงพอใจมาก ( = 4.16, S.D. = 0.74) และระบบปัญญาประดิษฐ์ ประเมินโมเดล VGG16 มีประสิทธิภาพมากที่สุด ค่าความแม่นยำ เท่ากับ .82 รองลงมาคือโมเดล InceptionV3 เท่ากับ .73 และ ResNet50 เท่ากับ .60 อยู่ในเกณฑ์ที่ดี
  2. สามารถจำแนกใบบัวบกที่ขนาดใบเล็กถูกต้อง 83 ภาพ ทายผิด 19 ภาพ ใบบัวบกที่ขนาดใบกลางถูกต้อง 82 ภาพ ทายผิด 18 ภาพ และใบบัวบกที่ขนาดใบใหญ่ถูกต้อง 80 ภาพ ทายผิด 18 จากข้อมูลทดสอบ 300 รูปภาพ

References

ธนัช เบญจอนุอาชา. การจำแนกความเสียหายรถยนต์โดยการเรียนรู้เชิงลึก. กรุงเทพฯ: บัณฑิตวิทยาลัย มหาวิทยาลัยศรีนครินทรวิโรฒ, 2564.

นันทวัน บุณยะประภัสร. สมุนไพรไม้พื้นบ้าน. กรุงเทพฯ: ประชาชน, 2542.

บุษบา บัวคำ และรักเกียรติ แสนประเสริฐ. 2560. “การเปรียบเทียบการเจริญเติบโตและผลผลิตบัวบก (Centella asiatica (L.) Urb.) ที่ปลูกโดยใช้ปุ๋ยเคมีและปุ๋ยอินทรีย์,” วารสารวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยอุบลราชธานี. 19, 1 (มกราคม–เมษายน 2560): 101-110.

รักษ์ พฤกษชาติ. “บัวบก ปลูกในนาที่นครศรีธรรมราช” ในผักพื้นบ้านคู่มือการปลูกเชิงการค้า. กรุงเทพ ฯ: นีออนบุ๊คมีเดีย, 2550.

รัฐศิลป์ รานอกภานุวัชร์. ระบบควบคุมโรงเรือนผักไฮโดรโปรนิกส์อัตโนมัติโดยใช้เทคโนโลยี IoT และเครื่องมือการเรียนรู้เชิงลึก. กรุงเทพฯ: วิทยาลัยนวัตกรรมด้านเทคโนโลยีและวิศวกรรมศาสตร์ มหาวิทยาลัยธุรกิจบัณฑิตย์, 2561.

รัตติกานต์ วิบูลย์พานิช. การออกแบบตัวต้นแบบระบบโรงเรือนอัจฉริยะเพื่อส่งเสริมความสะดวกสบายให้กับผู้สูงอายุโดยใช้เทคโนโลยีอินเทอร์เน็ตเพื่อทุกสรรพสิ่ง. กรุงเทพฯ: มหาวิทยาลัยนอร์ทกรุงเทพ, 2560.

อุไร ทองหัวไผ่. “การทดสอบซอฟต์แวร์,” วารสารเกษมบัณฑิต. 16, 2 (กรกฎาคม 2558): 140-154.

Lela, Madhav K. Machine Learning Approach for Agriculture IoT using SVM&ANN. International Journal of Engineering Research & Technology. 2019.

Natthawat Phongchit. Convolutional Neural Network (CNN) คืออะไร. (ออนไลน์) 2023 (อ้างเมื่อ 15 เมษายน 2567). จาก https://medium.com/@natthawatphongchit

Kendal, Kenneth E. Systems Analysis and Design. New Jersey: Prentice Hall, 2020.

Ruman. Ultimate Guide to Fine-Tuning in PyTorch : Part 1-Pre-trained Model and Its Configuration. (ออนไลน์) 2023 (อ้างเมื่อ 15 เมษายน 2567). จากhttps://rumn.medium.com/part-1-ultimate-guide-to-fine-tuning-in-pytorch-pre-trained-model-and-its-configuration-8990194b71e.

Downloads

เผยแพร่แล้ว

2024-08-30

How to Cite

พรอุดมทรัพย์ ส. ., พรอุดมทรัพย์ ส. ., รัตนธรรมมา ร. ., & เสนีวงศ์ ณ อยุธยา เ. . (2024). การพัฒนาระบบควบคุมโรงเรือนใบบัวบกอัตโนมัติโดยใช้เทคโนโลยี IoT และการจำแนกใบบัวบกโดยการเรียนรู้เชิงลึก. วารสารบัณฑิตวิทยาลัย พิชญทรรศน์ มหาวิทยาลัยราชภัฏอุบลราชธานี, 19(2), 199–212. สืบค้น จาก https://so02.tci-thaijo.org/index.php/Pitchayatat/article/view/270172