ชื่อบทความที่เผยแพร่ |
การระบุโรคใบร่วงจากเชื้อราไฟทอฟธอราและโรคราแป้งจากภาพใบยางพารา
ด้วยเทคนิคซัพพอร์เวกเตอร์แมชชีนและโครงข่ายประสาทเทียม |
วัน/เดือน/ปี ที่เผยแพร่ |
28 พฤษภาคม 2563 |
การประชุม |
ชื่อการประชุม |
การประชุมวิชาการระดับชาติ วิทยาลัยนครราชสีมา ครั้งที่ 7 ประจำปี 2563 (The 7th NMCCON 2020) |
หน่วยงาน/องค์กรที่จัดประชุม |
วิทยาลัยนครราชสีมาและภาคีเครือข่าย |
สถานที่จัดประชุม |
วิทยาลัยนครราชสีมา |
จังหวัด/รัฐ |
นครราชสีมา |
ช่วงวันที่จัดประชุม |
23 พฤษภาคม 2563 |
ถึง |
23 พฤษภาคม 2563 |
Proceeding Paper |
Volume (ปีที่) |
2563 |
Issue (เล่มที่) |
7 |
หน้าที่พิมพ์ |
335-345 |
Editors/edition/publisher |
|
บทคัดย่อ |
งานวิจัยนี้นำเสนอการศึกษาการแยกโรคจากภาพใบยางพารา 2 โรค คือ โรคใบร่วงที่เกิดจากเชื้อราไฟทอฟธอราหรือโรคใบร่วงและโรคราแป้งสาเหตุการเกิดโรคแทรกซ้อนในช่วงเวลาเดียวกันจากภาพในยางพาราด้วยเทคนิคการประมวลผลภาพโดยการเปรียบเทียบวิธีการจำแนกโรคระหว่างวิธีการโครงข่ายประสาทเทียมและซัพเพอร์เวกเตอร์แมชชีน จากตัวอย่างใบยางพาราทั้งหมด 400 ใบ จากพันธุ์ RRIT251 200 ใบและRRIT600 200 ใบ โดยที่สัดส่วนเท่ากันคือโรคใบร่วง 50 ภาพ โรคราแป้ง 50 ภาพ เป็นทั้งโรคใบร่วงและโรคราแป้ง 50 ภาพ และใบไม่เป็นโรค 50 ภาพ
ในการทดสอบประสิทธิภาพของซัพพอร์เวกเตอร์แมชชีนและโครงข่ายประสาทเทียมแสดงให้เห็นว่าโครงข่ายประสาทเทียมชนิดเพอร์เซปตรอนหลายชั้นแบบแพร่ย้อนกลับให้ผลลัพธ์ที่ 90 เปอร์เซ็นต์ โครงข่ายประสาทเทียมแบบคอนโวลูชันให้ผลลัพธ์ที่ 68 เปอร์เซ็นต์และซัพเพอร์เวกเตอร์แมชชีนให้ผลลัพธ์ที่ 86 เปอร์เซ็นต์ สำหรับข้อมูลตัวอย่างใบยางพาราเนื่องจากตัวอย่างที่นำมาทำการทดลองนั้นมีลักษณะของสีใบยางพาราที่ค่อนข้างแตกต่างกันจึงทำให้ผลลัพธ์ในการทดสอบจึงทำให้คุณสมบัติอาจเกิดความผิดพลาดและผลจากการทดลองแสดงให้เห็นว่าโครงข่ายประสาทเทียมชนิดเพอร์เซปตรอนหลายชั้นแบบแพร่ย้อนกลับนั้นให้ประสิทธิภาพสูงกว่าโมเดลอื่นๆ
|
ผู้เขียน |
|
การประเมินบทความ (Peer Review) |
มีผู้ประเมินอิสระ |
มีการเผยแพร่ในระดับ |
ชาติ |
รูปแบบ Proceeding |
Full paper |
รูปแบบการนำเสนอ |
Oral |
เป็นส่วนหนึ่งของวิทยานิพนธ์ |
เป็น |
ผลงานที่นำเสนอได้รับรางวัล |
ไม่ได้รับรางวัล |
แนบไฟล์ |
|
Citation |
0
|
|