คลังผลงานวิจัย กรมวิชาการเกษตร

รายงานผลงานวิจัยและพัฒนา

ระบบจำแนกโรคและศัตรูพืชบนใบมันสำปะหลังโดยเทคนิคประมวลภาพดิจิทัล

คำหลัก : มันสำปะหลัง โรคบนใบมันสำปะหลัง ข้อมูลภาพ โมเดลการจำแนกภาพโรค การเรียนรู้เชิงลึก

ผู้วิจัย : กฤษณา แสงดี

ผู้ร่วมวิจัย : สุรพงษ์ ประสิทธิ์วัฒนเสรี,นครินทร์ทิพย์ พุทธสิทธิ์,วีรศักดิ์ ขุนชำนาญ,ธีรภัทร ธรรมไชยางกูร,นวลมณี พรหมนิล,สุวิชา อ่อนเฉียบ,สายชล แสงแก้ว,เสาวรี บำรุง,อมรรัชฏ์ คิดใจเดียว,นงนุช ช่างสี

หน่วยงาน : ศูนย์เทคโนโลยีสารสนเทศและการสื่อสาร

ปี: 2564

ประเภทผลงาน: รายงานความก้าวหน้า

จำนวนผู้อ่าน: 111 ครั้ง

บทคัดย่อ (Abstract)

          งานวิจัยนี้มีวัตถุประสงค์เพื่อจัดทำฐานข้อมูลภาพและรูปลักษณ์ใบมันสำปะหลังที่แสดงอาการที่เป็นโรคและเครื่องมือสืบค้นด้วยภาพ พัฒนาโมเดลในการจำแนกโรคที่แสดงอาการบนใบมันสำปะหลังโดยเทคนิคการประมวลผลภาพดิจิทัล พร้อมทั้งพัฒนาโมบายแอพพลิเคชั่นตรวจวัดและจำแนกโรคที่แสดงอาการบนใบมันปะหลัง ซึ่งการวินิจฉัยอาการจากโรคและแมลงศัตรูพืชต่างๆ ได้เบื้องต้น เป็นปัจจัยสำคัญอย่างหนึ่งที่ช่วยให้การปลูกมันสำปะหลังมีคุณภาพ สามารถเลือกใช้วิธีการกำจัดศัตรูพืชที่เหมาะสมถูกที่ ถูกเวลา และเลือกใช้สารเคมีที่ถูกต้องกับโรคในปริมาณที่เหมาะสม ซึ่งโรคพืชบางชนิดอาจจำแนกได้ยาก โดยเฉพาะโรคพืชที่มีความสำคัญต่อโครงสร้างทางสรีรวิทยาของต้นพืช เพื่อช่วยให้การวินิจฉัยโรคพืชมีประสิทธิภาพโดยการพัฒนาโมเดลช่วยในการตัดสินใจและพัฒนาเป็นระบบช่วยในการวินัจฉัยโรคบนใบมันสำปะหลังในรูปแบบแอพพลิเคชั่น จึงได้ดำเนินการรวบรวมข้อมูลโรคที่แสดงอาการบนใบมันสำปะหลัง การป้องกันกำจัด และภาพจากพื้นที่ปลูกมันสำปะหลังจังหวัดนครราชสีมา ปราจีนบุรี และสระแก้ว ระหว่างเดือนตุลาคม 2562 ถึงเดือนกันยายน 2564 ได้ภาพใบมันสำปะหลังจำนวน 9,907 ภาพ นำภาพทั้งหมดไปปรับเพิ่มความคมชัด ตัดส่วนของภาพที่ไม่ต้องการออก แปลงภาพจากระบบสี RGB เป็นภาพระดับสีเทา และสกัดตัวแปรรูปลักษณ์ของภาพ โดยการวิเคราะห์เมตริกซ์การปรากฏร่วมของระดับสีเทา (Gray – Level Co Occurrence Matrix : GLCM) จัดเก็บชื่อภาพและรูปลักษณ์ที่เกี่ยวข้องกับแต่ละภาพ เป็น 5 คลาส คือ 0) ต้นปกติ 1) ใบไหม้ 2) ใบจุดสีน้ำตาล 3) แอนแทรกโนส และ 4) ใบด่าง ในรูปแบบฐานข้อมูล CSV เขียนชุดคำสั่งภาษา Python เพื่อสร้างเครื่องมือสืบค้นภาพ และแสดงผลภาพที่สืบค้นได้ แล้วนำไปพัฒนาโมเดลการจำแนกโรคและศัตรูพืชที่แสดงอาการบนใบมันสำปะหลัง โดยแบ่งเป็นภาพอาการใบด่าง (CMD) ร้อยละ 39 รองลงมา คือ ภาพโรคใบจุดสีน้ำตาล (CBS) ร้อยละ 31.2 ภาพต้นปกติ (Healthy) ร้อยละ 15 ภาพโรคใบไหม้ (CBB) ร้อยละ 13.5 และภาพโรคแอนแทรคโนส (CAN) ร้อยละ 1.3 นำภาพเข้าสู่กระบวนการ Transfer Learning แบ่งข้อมูลภาพเป็นข้อมูลฝึก 70% และข้อมูลทดสอบ 30% โดยใช้โมเดล ResNet (Deep Residual Network) มาใช้ พบว่ามีค่าความถูกต้องในการจำแนกสูงถึง 94.40 เปอร์เซ็นต์ นำโมเดลนี้ไปพัฒนาระบบที่สามารถใช้งานได้ง่ายขึ้น ผู้ใช้งานแอพพลิเคชั่นสามารถวินิจฉัย ทราบอาการ และรับคำแนะนำในการป้องกันกำจัดโรคที่แสดงอาการบนใบมันสำปะหลัง ผู้ใช้งานแอพพลิเคชั่นมีความพึงพอใจในการใช้งานในระดับมากค่าเฉลี่ย 4.13 ยังต้องมีการรวบรวมข้อมูลภาพจำนวนมากขึ้น เพื่อฝึกโมเดลให้มีความสามารถในการจำแนกภาพโรคบนใบมันสำปะหลังเพิ่มขึ้น และควรปรับปรุงประสิทธิภาพของ Cloud Server โดยการเพิ่มเติมวงจรที่มีความเร็วสูงในประมวลผลภาพมากยิ่งขึ้น

URL Reference :

(ดาวน์โหลด: 36 ครั้ง)

ปรับปรุงข้อมูลเมื่อวันที่ 27-11-2567

แจ้งไฟล์หาย