Caladium bicolor image recognition with opencv platform using convolution neural network
8
4
Issued Date
2022
Copyright Date
2022
Resource Type
Language
eng
File Type
application/pdf
No. of Pages/File Size
x, 40 leaves
Access Rights
open access
Rights
ผลงานนี้เป็นลิขสิทธิ์ของมหาวิทยาลัยมหิดล ขอสงวนไว้สำหรับเพื่อการศึกษาเท่านั้น ต้องอ้างอิงแหล่งที่มา ห้ามดัดแปลงเนื้อหา และห้ามนำไปใช้เพื่อการค้า
Rights Holder(s)
Mahidol University
Bibliographic Citation
Thematic Paper (M.Sc. (Information Technology Management))--Mahidol University, 2022)
Suggested Citation
Sarinthip Photee Caladium bicolor image recognition with opencv platform using convolution neural network. Thematic Paper (M.Sc. (Information Technology Management))--Mahidol University, 2022). Retrieved from: https://repository.li.mahidol.ac.th/handle/123456789/113917
Title
Caladium bicolor image recognition with opencv platform using convolution neural network
Alternative Title(s)
การรู้จำภาพบอนสีด้วยแพลตฟอร์มโอเพนซีวี โดยใช้โครงข่ายประสาทเทียมแบบคอนโวลูชัน
Author(s)
Advisor(s)
Abstract
Currently, Caladium bicolor is a leafy plant that has gained significant interest in Thailand. The year 2020 was when Caladium bicolor reached its highest popularity among both men and women because of its beautiful colors, leading to trading through various online channels and exporting to other countries. This plant has a variety of characteristics, colors, leaves, and names, which make them difficult to remember. Image recognition technology with a deep learning approach is a branch of artificial intelligence that creates a human vision model, helping to recognize and understand the processed images in more detail and better than the human eye. The purposes of this research were: (1) to study convolutional neural network (CNN) algorithms for Caladium bicolor image recognition, and (2) to find the most appropriate color model for Caladium bicolor image recognition. The color models of RGB, BGR, and HSV were used to collect data on Caladium bicolor from the internet, and then OpenCV was utilized for color transformation. A CNN model was employed to process the three color models; the data were collected, stored, and compared to achieve the highest accuracy results. The results showed that BGR had the highest accuracy in predicting the Caladium bicolor dataset with an accuracy of 85%. This was higher than the RGB accuracy of 51% and the HSV accuracy of 28%. It can be concluded that BGR is the best color model used to predict the Caladium bicolor dataset. IMPLICATION OF THEMATIC PAPER: The resulting color model can be applied to create applications for Caladium bicolor classification or be applied to other types of image classification.
ปัจจุบันบอนสีเป็นไม้ใบที่ผู้คนให้ความสนใจกันอย่างมาก ในประเทศไทยปี 2563 เป็นช่วงที่ความนิยมบอนสีสูงสุดอย่างที่ไม่เคยมีมาก่อน ด้วยสีสันความสวยงาม กลุ่มคนที่นิยมปลูกมีทั้งชายและหญิงหลากหลายช่วงอายุ มีการซื้อขายกันผ่านช่องทางออนไลน์ต่าง ๆ และส่งออกต่างประเทศ ความหลากหลายของลักษณะ สี ใบ และชื่อจำนวนมาก ทำให้ยากในการจดจำ เทคโนโลยีการรู้จำภาพด้วยวิธีการเรียนรู้เชิงลึก ซึ่งเป็นสาขาหนึ่งของปัญญาประดิษฐ์ สามารถสร้างแบบจำลองการมองเห็นของมนุษย์ที่ช่วยในการรู้จำและเข้าใจภาพที่กำลังประมวลผลอยู่ได้ละเอียดและดีกว่าตาของมนุษย์มองเห็น งานวิจัยฉบับนี้มีจุดประสงค์เพื่อศึกษาอัลกอริทึมโครงข่ายประสาทเทียมแบบสังวัตนาการ (Convolutional Neural Network: CNN) สำหรับการรู้จำภาพบอนสี และค้นหาโมเดลสีที่เหมาะสมที่สุดในการรู้จำภาพบอนสี ซึ่งโมเดลสีที่ใช้คือ RGB, BGR และ HSV โดยเก็บรวบรวมภาพบอนสีจากอินเทอร์เน็ต และใช้ OpenCV ในการแปลงสีภาพ นำภาพที่แปลงแล้วเข้าไปรันโมเดล CNN จนครบทั้ง 3 สี จากนั้นเก็บผลและเปรียบเทียบสีที่ให้ความแม่นยำสูงสุด ผลการศึกษาพบว่า BGR มีความแม่นยำในการทำนายชุดข้อมูลบอนสีสูงสุด โดยมีค่าความแม่นยำ 85% ซึ่งมากกว่า RGB ที่มีค่าความแม่นยำอยู่ที่ 51% และ HSV ที่มีความแม่นยำอยู่ที่ 28% ดังนั้นจึงสรุปได้ว่า BGR เป็นโมเดลสีที่ดีที่สุดในการใช้ทำนายข้อมูลบอนสีชุดนี้ การนำผลของสารนิพนธ์ไปใช้: สามารถนำโมเดลสีที่ได้ไปประยุกต์ใช้เพื่อสร้างแอปพลิเคชันในการจำแนกประเภทบอนสี หรือนำไปประยุกต์ใช้ในการจำแนกภาพชนิดอื่น ๆ ต่อไปได้
ปัจจุบันบอนสีเป็นไม้ใบที่ผู้คนให้ความสนใจกันอย่างมาก ในประเทศไทยปี 2563 เป็นช่วงที่ความนิยมบอนสีสูงสุดอย่างที่ไม่เคยมีมาก่อน ด้วยสีสันความสวยงาม กลุ่มคนที่นิยมปลูกมีทั้งชายและหญิงหลากหลายช่วงอายุ มีการซื้อขายกันผ่านช่องทางออนไลน์ต่าง ๆ และส่งออกต่างประเทศ ความหลากหลายของลักษณะ สี ใบ และชื่อจำนวนมาก ทำให้ยากในการจดจำ เทคโนโลยีการรู้จำภาพด้วยวิธีการเรียนรู้เชิงลึก ซึ่งเป็นสาขาหนึ่งของปัญญาประดิษฐ์ สามารถสร้างแบบจำลองการมองเห็นของมนุษย์ที่ช่วยในการรู้จำและเข้าใจภาพที่กำลังประมวลผลอยู่ได้ละเอียดและดีกว่าตาของมนุษย์มองเห็น งานวิจัยฉบับนี้มีจุดประสงค์เพื่อศึกษาอัลกอริทึมโครงข่ายประสาทเทียมแบบสังวัตนาการ (Convolutional Neural Network: CNN) สำหรับการรู้จำภาพบอนสี และค้นหาโมเดลสีที่เหมาะสมที่สุดในการรู้จำภาพบอนสี ซึ่งโมเดลสีที่ใช้คือ RGB, BGR และ HSV โดยเก็บรวบรวมภาพบอนสีจากอินเทอร์เน็ต และใช้ OpenCV ในการแปลงสีภาพ นำภาพที่แปลงแล้วเข้าไปรันโมเดล CNN จนครบทั้ง 3 สี จากนั้นเก็บผลและเปรียบเทียบสีที่ให้ความแม่นยำสูงสุด ผลการศึกษาพบว่า BGR มีความแม่นยำในการทำนายชุดข้อมูลบอนสีสูงสุด โดยมีค่าความแม่นยำ 85% ซึ่งมากกว่า RGB ที่มีค่าความแม่นยำอยู่ที่ 51% และ HSV ที่มีความแม่นยำอยู่ที่ 28% ดังนั้นจึงสรุปได้ว่า BGR เป็นโมเดลสีที่ดีที่สุดในการใช้ทำนายข้อมูลบอนสีชุดนี้ การนำผลของสารนิพนธ์ไปใช้: สามารถนำโมเดลสีที่ได้ไปประยุกต์ใช้เพื่อสร้างแอปพลิเคชันในการจำแนกประเภทบอนสี หรือนำไปประยุกต์ใช้ในการจำแนกภาพชนิดอื่น ๆ ต่อไปได้
Degree Name
Master of Science
Degree Level
Master's degree
Degree Department
Faculty of Engineering
Degree Discipline
Information Technology Management
Degree Grantor(s)
Mahidol University