การจำแนกผลไม้ในกล่อง โดยใช้คุณลักษณะผสม

จิรภัทร วัชรสิงห์; ธนพร ถิระเลิศพานิชย์

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/66099

Title:	การจำแนกผลไม้ในกล่อง โดยใช้คุณลักษณะผสม
Other Titles:	Classification of fruit in a box (FIB) using hybrid features
Authors:	จิรภัทร วัชรสิงห์ ธนพร ถิระเลิศพานิชย์
Advisors:	ศุภกานต์ พิมลธเรศ
Other author:	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิทยาศาสตร์
Advisor's Email:	Suphakant.P@Chula.ac.th
Issue Date:	2561
Publisher:	จุฬาลงกรณ์มหาวิทยาลัย
Abstract:	งานวิจัยนี้มีจุดประสงค์เพื่อพัฒนาการจำแนกชนิดของผลไม้ในกล่องให้มีประสิทธิภาพโดยพิจารณาจากคุณลักษณะสีและพื้นผิวจากรูปภาพ ผู้วิจัยได้คัดเลือกผลไม้ 20 ชนิดที่มีสีและพื้นผิวที่หลากหลายเพื่อวิเคราะห์ในการศึกษานี้ ถึงแม้ว่าในงานวิจัยก่อนหน้าได้มีการศึกษาเกี่ยวกับความสามารถของคุณลักษณะสีและพื้นผิว แต่คุณลักษณะแต่ละคุณลักษณะไม่สามารถใช้จำแนกชนิดของผลไม้ได้อย่างถูกต้องเพียงพอสำหรับการใช้งานจริง ในการศึกษานี้ ผู้วิจัยจึงได้ศึกษาคุณลักษณะหกคุณลักษณะ ได้แก่ ฮิสโทแกรมสี ตัวอธิบายเค้าโครงสี สหสัมพันธ์สี เมทริกซ์การเกิดร่วมของระดับสีเทา แบบรูปทวิภาคเฉพาะที่ และเมทริกซ์ความแตกต่างโทนสีเทาของเพื่อนบ้าน ซึ่งจะนำมาใช้ร่วมกันเพื่อเพิ่มความถูกต้องในการจำแนกชนิดของผลไม้ในกล่อง โดยขั้นตอนการประมวลผลภาพก่อนจะถูกใช้กับรูปภาพผลไม้เพื่อเตรียมภาพให้อยู่ภายใต้เงื่อนไขของงานวิจัย จากนั้นคุณลักษณะรูปภาพทั้งหกคุณลักษณะจะถูกสกัดออกมาจากแต่ละรูปภาพ และท้ายที่สุดกระบวนการจำแนกผลไม้จะถูกใช้ผ้านวิธีการในการจำแนกที่เป็นที่นิยมได้แก่ ตัวจำแนกการถดถอยเชิงโลจิสติก ตัวจำแนกนาอีฟเบย์ ตัวจำแนกการวิเคราะห์การจำแนกประเภทเชิงเส้น การค้นหาเพื่อนบ้านใกล้สุด K ตัว ต้นไม้ตัดสินใจ วิธีป่าสุ่ม ซัพพอร์ตเวกเตอร์แมชชีน และเพอร์เซ็ปตรอนหลายชั้น หลังจากทดสอบและประเมินผลการทดลองพบว่าการผสมคุณลักษณะเข้าด้วยกันให้ความถูกต้องสูงในทุกวิธีการจำแนกและมีประสิทธิภาพในการจำแนกชนิดของผลไม้ในกล่อง
Other Abstract:	The purpose of this paper is to develop an effective classification of fruit in a box by considering the color and texture features from the images. Twenty fruit types with various appearances in color and texture were selected to be analyzed in this study. Although the capability of many color or texture features were previously studied in many researches, each feature cannot be used to identify the fruit type accurately enough for practical use. In this study, six features, i.e., HSV Color Histogram, Color layout Descriptor (CLD), Color Correlogram, Gray Level Co-occurrence Matrix (GLCM), Local Binary Patter (LBP), and Neighboring Gray Tone Difference Matrix (NGTDM), are combined in order to increase accuracy of fruit-in-a-box classification. An image preprocessing stage is applied to fruit images to prepare the images in good condition. Then, six image features are extracted from each image. Finally, the fruit classification process is adopted through the well-known classification methods such as Logistic Regression classifier, Naïve Bayes classifier, Linear Discriminant Analysis (LDA) classifier, k-Nearest Neighbor (kNN), Decision Tree, Random Forest, Support Vector Machine (SVM), and Multi-Layer Perceptron (MLP). After experiments were tested and evaluated, it shows that, with the appropriate classification method, the hybridization of features yields high accuracy with independence of classification method and effectiveness in the classification of fruit in a box.
Description:	โครงงานเป็นส่วนหนึ่งของการศึกษาตามหลักสูตรปริญญาวิทยาศาสตรบัณฑิต สาขาวิชาวิทยาการคอมพิวเตอร์ คณะวิทยาศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย ปีการศึกษา 2561
URI:	http://cuir.car.chula.ac.th/handle/123456789/66099
Type:	Senior Project
Appears in Collections:	Sci - Senior Projects

Files in This Item:

File	Description	Size	Format
Jirapat_W_Se_2561.pdf		1.54 MB	Adobe PDF	View/Open

Show full item record