Plant seed image recognition system
1
Issued Date
2011
Copyright Date
2011
Resource Type
Language
eng
File Type
application/pdf
No. of Pages/File Size
xi, 190 leaves : ill.
Access Rights
open access
Rights
ผลงานนี้เป็นลิขสิทธิ์ของมหาวิทยาลัยมหิดล ขอสงวนไว้สำหรับเพื่อการศึกษาเท่านั้น ต้องอ้างอิงแหล่งที่มา ห้ามดัดแปลงเนื้อหา และห้ามนำไปใช้เพื่อการค้า
Rights Holder(s)
Mahidol University
Bibliographic Citation
Research Project (M.Sc. (Computer Science))--Mahidol University, 2011
Suggested Citation
Benjamaporn Lurstwut Plant seed image recognition system. Research Project (M.Sc. (Computer Science))--Mahidol University, 2011. Retrieved from: https://repository.li.mahidol.ac.th/handle/123456789/106625
Title
Plant seed image recognition system
Alternative Title(s)
ระบบรู้จำเมล็ดพันธุ์พืช
Author(s)
Advisor(s)
Abstract
The objective of this research was to develop a computer system, which
could be used to recognize plant seed images. The system is called the "Plant seed image recognition system (PSIRS)". The seed images were acquired from a digital camera, and they were taken in a controlled environment. The research focused on seeds that were fresh and ready to be cultivated into plants. The system consists of 5 processing modules, namely: 1) image acquisition, 2) image pre-processing, 3) feature extraction, 4) image recognition, and 5) displaying the result. The experiment was conducted on more than 2,600 seed images from 26 species of Thai seeds using two techniques to recognize them; namely Euclidean distance and Neural Network techniques. The training data set in the system database consisted of 1,560 seed images. The system was tested using 1,040 seed images for the tested data set and 50 seed images for the untrained data set. For the Euclidean distance technique, the precision rates of the system were 93.5% matching to the training data set and 90% for unknowns in the untrained data set. The average access time was 4.08 seconds per image. For the Neural Network
technique, the precision rate of the system were 97.2% matching in training data set and 80% for the unknowns in the untrained data set. The average access time was 73.84 seconds per image.
วัตถุประสงค์ของงานวิจัยนี้เพื่อพัฒนาระบบคอมพิวเตอร์ที่สามารถรู้จำ (Recognize) เมล็ดพันธุ์พืชในประเทศไทย ระบบนี้ถูกเรียกว่า ระบบรู้จำเมล็ดพันธุ์พืช เมล็ดพันธุ์นี้จะถูกถ่ายภาพด้วยกล้องดิจิตอลในสภาวะที่มีการควบคุม งานวิจัยนี้จะเน้นการรู้จำเมล็ดพันธุ์พืชที่สดและพร้อมที่จะนำไปเพาะพันธุ์พืช ระบบนี้ประกอบไปด้วย 5 ขั้นตอน คือ 1) การนำเข้ารูปภาพ, 2) การประมวลภาพ, 3) การสกัดคุณลักษณะ, 4) การรู้จำรูปภาพ และ 5) แสดงผลงานวิจัยนี้ได้ทำการทดลองโดยใช้เมล็ดพันธุ์พืชทั้งหมดจำนวน 26 ชนิด รวมทั้งสิ้น จำนวน 2,600 ภาพโดยใช้ 2 วิธีในการรู้จำเมล็ดพันธุ์พืช คือ วิธียูคลิเดียน ดิสแทนส์ (Euclidean Distance) และวิธีนิวรอน เน็ทเวิร์ค (Neural Network) ในการสอนให้ระบบคอมพิวเตอร์รู้จำใช้ภาพเมล็ดพันธุ์พืชใช้ภาพเมล็ดพันธุ์จำนวน 1,560 ภาพ จากนั้นใช้ภาพเมล็ดที่มีลักษณะเดียวกับเมล็ดพันธุ์พืชที่มีการสอนให้ระบบรู้จำแล้วอีกจำนวน 1,040 ภาพ และภาพเมล็ดที่ต่างชนิดกับที่มีการสอนให้ระบบรู้จำอีกจำนวน 50 ภาพ สำหรับวิธียูคลิเดียน ดิสแทนส์ ระบบคอมพิวเตอร์สามารถรู้จำเมล็ดพันธุ์พืชที่มีการสอนให้ระบบรู้จำถูกต้องแม่นยำประมาณ 93.5 เปอร์เซ็น และเมล็ดที่ไม่มีการสอนให้ระบบรู้จำประมาณ 90 เปอร์เซ็น ค่าเฉลี่ยของเวลาในการรู้จำประมาณ 4.08 วินาทีต่อภาพ สำหรับวิธีนิวรอนเน็ทเวิร์ค ระบบคอมพิวเตอร์สามารถรู้จำเมล็ดพันธุ์พืชที่มีการสอนให้ระบบรู้จำถูกต้องแม่นยำประมาณ 97.2 เปอร์เซ็น และเมล็ดที่ไม่มีการสอนให้ระบบรู้จำประมาณ 80 เปอร์เซ็น ค่าเฉลี่ยของเวลาในการรู้จำประมาณ 73.84 วินาทีต่อภาพ
วัตถุประสงค์ของงานวิจัยนี้เพื่อพัฒนาระบบคอมพิวเตอร์ที่สามารถรู้จำ (Recognize) เมล็ดพันธุ์พืชในประเทศไทย ระบบนี้ถูกเรียกว่า ระบบรู้จำเมล็ดพันธุ์พืช เมล็ดพันธุ์นี้จะถูกถ่ายภาพด้วยกล้องดิจิตอลในสภาวะที่มีการควบคุม งานวิจัยนี้จะเน้นการรู้จำเมล็ดพันธุ์พืชที่สดและพร้อมที่จะนำไปเพาะพันธุ์พืช ระบบนี้ประกอบไปด้วย 5 ขั้นตอน คือ 1) การนำเข้ารูปภาพ, 2) การประมวลภาพ, 3) การสกัดคุณลักษณะ, 4) การรู้จำรูปภาพ และ 5) แสดงผลงานวิจัยนี้ได้ทำการทดลองโดยใช้เมล็ดพันธุ์พืชทั้งหมดจำนวน 26 ชนิด รวมทั้งสิ้น จำนวน 2,600 ภาพโดยใช้ 2 วิธีในการรู้จำเมล็ดพันธุ์พืช คือ วิธียูคลิเดียน ดิสแทนส์ (Euclidean Distance) และวิธีนิวรอน เน็ทเวิร์ค (Neural Network) ในการสอนให้ระบบคอมพิวเตอร์รู้จำใช้ภาพเมล็ดพันธุ์พืชใช้ภาพเมล็ดพันธุ์จำนวน 1,560 ภาพ จากนั้นใช้ภาพเมล็ดที่มีลักษณะเดียวกับเมล็ดพันธุ์พืชที่มีการสอนให้ระบบรู้จำแล้วอีกจำนวน 1,040 ภาพ และภาพเมล็ดที่ต่างชนิดกับที่มีการสอนให้ระบบรู้จำอีกจำนวน 50 ภาพ สำหรับวิธียูคลิเดียน ดิสแทนส์ ระบบคอมพิวเตอร์สามารถรู้จำเมล็ดพันธุ์พืชที่มีการสอนให้ระบบรู้จำถูกต้องแม่นยำประมาณ 93.5 เปอร์เซ็น และเมล็ดที่ไม่มีการสอนให้ระบบรู้จำประมาณ 90 เปอร์เซ็น ค่าเฉลี่ยของเวลาในการรู้จำประมาณ 4.08 วินาทีต่อภาพ สำหรับวิธีนิวรอนเน็ทเวิร์ค ระบบคอมพิวเตอร์สามารถรู้จำเมล็ดพันธุ์พืชที่มีการสอนให้ระบบรู้จำถูกต้องแม่นยำประมาณ 97.2 เปอร์เซ็น และเมล็ดที่ไม่มีการสอนให้ระบบรู้จำประมาณ 80 เปอร์เซ็น ค่าเฉลี่ยของเวลาในการรู้จำประมาณ 73.84 วินาทีต่อภาพ
Description
Computer Science (Mahidol University 2011)
Degree Name
Master of Science
Degree Level
Master's degree
Degree Department
Faculty of Information and Communication Technology
Degree Discipline
Computer Science
Degree Grantor(s)
Mahidol University