การพัฒนาขั้นตอนวิธีสำหรับจำแนกโรคอ้อยที่พบมากในประเทศไทย

ณัฏฐ์ภัค ลาวัลย์วงศ์

dc.contributor.advisor	สุรีย์ พุ่มรินทร์
dc.contributor.author	ณัฏฐ์ภัค ลาวัลย์วงศ์
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์
dc.date.accessioned	2022-11-02T09:44:28Z
dc.date.available	2022-11-02T09:44:28Z
dc.date.issued	2564
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/80822
dc.description	วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2564
dc.description.abstract	สำหรับการจำแนกโรคอ้อยที่พบมากบนพันธุ์ขอนแก่น 3 ซึ่งเป็นพันธุ์อ้อยที่ได้รับความนิยมมากที่สุดในประเทศไทย จะให้ความสำคัญในการวิเคราะห์โรคที่ส่งผลรุนแรงต่อใบอ้อย เช่น โรคที่เกิดจากแบคทีเรีย เชื้อรา และแมลง จากการตรวจหาและระบุโรคที่เกิดขึ้นในอ้อยซึ่งต้องการผู้เชี่ยวชาญที่มีประสบการณ์และเวลา จึงมีแนวคิดในการสร้างระบบที่ช่วยในการจำแนกโรคอ้อยที่มีความแม่นยำอย่างอัตโนมัติ ซึ่งส่งผลให้การวินิจฉัยโรคทำได้รวดเร็วมากขึ้น เป็นระบบอัจฉริยะสำหรับจำแนกประเภทและลักษณะอาการของโรคอ้อย (Intelligent System Diagnosis Sugarcane Diseases with Deep Convolutional Neural Network) เป็นระบบที่ให้ผู้ใช้งานอัพโหลดรูปภาพใบอ้อย สามารถบ่งบอกโรคอ้อยและระบุสาเหตุพร้อมวิธีการป้องกันหรือควบคุม โดยระบบมีความสามารถในการจำแนกชนิดของโรคอ้อย 5 คลาส ได้แก่ โรคเส้นกลางใบแดง (Red Rot) โรคราสนิม (Rust) โรคใบจุดวงแหวน (Ring Spot) โรคใบขาว (White Leaf) และใบสมบูรณ์ (Normal) ที่มีค่า Mean Average Precision (mAP) สูงถึง 0.8681 หรือร้อยละ 86.81
dc.description.abstractalternative	For the classification of sugarcane diseases that are most common on Khon Kaen 3, which is the most popular sugarcane variety in Thailand. The focus will be on the analysis of diseases most affecting the sugarcane leaves such as those caused by bacteria, fungi, and insects. Therefore, there is the idea of creating a system that faster diagnosis automatically identifies sugarcane disease with accuracy, called Intelligent System Diagnosis Sugarcane Diseases with Deep Convolutional Neural Network. The system allows users to upload pictures of sugar cane leaves. It was able to identify sugarcane disease and identify the cause and methods of prevention or control. The system has the ability to classify five classes of sugarcane disease: Red Rot, Rust, Ring Spot, White Leaf, and Normal leaf with mean average precision (mAP) up to 0.8681 or 86.81 percent.
dc.language.iso	th
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย
dc.relation.uri	http://doi.org/10.58837/CHULA.THE.2021.942
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย
dc.subject.classification	Engineering
dc.subject.classification	Computer Science
dc.subject.classification	Computer Science
dc.title	การพัฒนาขั้นตอนวิธีสำหรับจำแนกโรคอ้อยที่พบมากในประเทศไทย
dc.title.alternative	Development of an algorithms for classifying common sugarcane diseases in Thailand
dc.type	Thesis
dc.degree.name	วิศวกรรมศาสตรมหาบัณฑิต
dc.degree.level	ปริญญาโท
dc.degree.discipline	วิศวกรรมไฟฟ้า
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย
dc.identifier.DOI	10.58837/CHULA.THE.2021.942