เทคนิคการเพิ่มความแม่นยำสำหรับการจำแนกสายพันธุ์ของยุงด้วยวิธีการเรียนรู้แบบถ่ายโอน การเพิ่มปริมาณข้อมูลภาพ และสัญญาณตกหายเชิงพื้นที่

Abstract

งานวิจัยนี้มีวัตถุประสงค์เพื่อปรับปรุงประสิทธิภาพของโครงข่ายประสาทเทียมสำหรับการจำแนกยุงโดยใช้การเรียนรู้แบบถ่ายโอน การเพิ่มข้อมูล และเทคนิคสัญญาณตกหายเชิงพื้นที่ ยุง 7 ชนิดรวบรวมจากหลายจังหวัดของประเทศไทย ได้แก่ Aedes aegypti, Aedes albopictus, Aedes vexans, Anopheles tessellatus, Culex quinquefasciatus, Culex vishnui และยุงชนิดอื่นๆ รวมถึง Aedes aegypti, Aedes albopictus และ Culex quinquefasciatus ที่เลี้ยงในภาควิชาปรสิตวิทยา คณะแพทยศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย ได้นำมาใช้ในการศึกษาครั้งนี้ ภาพยุงถูกถ่าย 3 ถึง 5 ครั้งต่อตัวอย่าง และครอบตัดรอบๆ ยุง จากนั้นปรับขนาดเป็น 512 x 512 พิกเซล หลังจากนั้นจึงนำภาพไปใช้โดยใช้เทคนิคการเพิ่มข้อมูล ได้แก่ การซูม การหมุน การครอบตัดแบบสุ่ม ความสว่างแบบสุ่ม สีสุ่ม และการฉีดสัญญาณรบกวนแบบเกาส์เซียน แบบจำลอง VGG-16 ประยุกต์เทคนิคการเรียนรู้การถ่ายโอนโดยใช้น้ำหนัก ImageNet เป็นน้ำหนักเริ่มต้น และดัดแปลงเป็นแบบจำลอง VGG-16 แบบสองอินพุต นอกจากนี้ แบบจำลองยังใช้เลเยอร์ดรอปเอาต์เชิงพื้นที่หลังจากบล็อกคอนโวลูชั่น โมเดล VGG-16 สองอินพุตสามแบบได้รับการพัฒนา ได้แก่ VGG-16 แบบรวมในช่วงต้น, VGG-16 แบบรวมตรงกลาง และ VGG-16 แบบรวมในภายหลัง และแบบจำลองทั้งชุดได้รับการพัฒนาโดยใช้ผลลัพธ์ของแบบจำลอง 3 แบบเป็นอินพุตสำหรับการจำแนกยุง โมเดลเหล่านี้มีความแม่นยำในการจำแนกโดยเฉลี่ยที่ 95.76%, 97.08%, 96.76% และ 99.44% จากการฝึกและทดสอบ 10 ครั้ง ตามลำดับ นอกจากนี้ ยังนำแบบจำลองเหล่านี้ ไปใช้ในการบริการจำแนกยุงผ่านแอปพลิเคชัน LINE และอนุญาตให้ผู้เชี่ยวชาญขอภาพยุงและส่งข้อมูลผลการจำแนกยุงไปยังระบบผ่านแอปพลิเคชัน LINE ไปยังฐานข้อมูลได้