E-Thesis & Research สถาบันเทคโนโลยีไทย-ญี่ปุ่น

fieldjournalid E-Thesis & Research สถาบันเทคโนโลยีไทย-ญี่ปุ่น

วิทยานิพนธ์ (MIT) 2025

1.	การจำแนกพันธุ์ยางพาราด้วยการเรียนรู้เชิงลึก [แสดงบทคัดย่อ] [ซ่อนบทคัดย่อ]
	ผู้แต่ง : ธีรภัทร ร่มรื่นสุขารมย์
	ยางพาราเป็นหนึ่งในพืชเศรษฐกิจที่มีความสำคัญของประเทศไทยและมีสถิติมูลค่าผลผลิตยางพาราเป็นอันดับหนึ่งของโลกอย่างต่อเนื่อง การแนะนำให้เกษตรกรปลูกยางพันธุ์ดีจะทำให้เกษตรกรได้รับผลผลิตต่อไร่สูงขึ้น แต่เนื่องจากยางพาราเป็นพืชยืนต้นที่มีพันธุกรรมแบบ เฮเทอโรไซกัส ทำให้ต้นที่ได้จากการขยายพันธุ์ด้วยเมล็ด (Seedling) จากต้นพันธุ์เดียวกัน มีพันธุกรรมและผลผลิตแตกต่างกัน ไม่เหมือนต้นที่ขยายพันธุ์ด้วยการติดตา (Clone) ที่มีลักษณะทางพันธุกรรมเหมือนกันและมีความสม่ำเสมอ ใบเป็นลักษณะที่เหมาะสมสำหรับการจำแนกสายพันธุ์ แต่เนื่องจากรูปทรงของใบยางมีความแตกต่างกันน้อย และพันธุ์ยางหลายพันธุ์มีรูปทรงใบคล้ายคลึงกัน จึงจำเป็นต้องอาศัยผู้เชี่ยวชาญที่มีประสบการณ์สูงจึงจะจำแนกพันธุ์ยางได้ถูกต้อง อีกทั้งบุคลากรที่สามารถจำแนกพันธุ์ได้ถูกต้องมีน้อย งานวิจัยนี้จึงมีวัตถุประสงค์เพื่อพัฒนาตัวแบบจำแนกพันธุ์ยางพาราที่สามารถนำไปใช้ในการจำแนกสายพันธุ์ได้อย่างถูกต้องด้วยการเรียนรู้เชิงลึก ดำเนินการค้นหาไฮเปอร์พารามิเตอร์และขนาดชุดข้อมูลที่เหมาะสมผ่านการตรวจสอบความถูกต้องแบบไขว้พร้อมทั้งเปรียบเทียบประสิทธิภาพของโครงข่ายประสาทประดิษฐ์เชิงลึก 13 สถาปัตยกรรม ได้แก่ VGG16, ResNet50, InceptionV3, MobileNet, Xception, DenseNet201, NASNetLarge, MobileNetV2, EfficientNetB7, RegNetX064, RegNetY064, ResNetRS50 และ ConvNeXtBase จากการศึกษาการทดลองย่อยการจำแนกระหว่างต้นที่ขยายพันธุ์ด้วยการติดตาและต้นที่ขยายพันธุ์ด้วยเมล็ด พบว่า การเพิ่มประสิทธิภาพการฝึกสอนโดยอาศัย ConvNeXtBase เป็นตัวสกัดคุณลักษณะด้วยไฮเปอร์พารามิเตอร์แบบ S1 ให้ความแม่นยำสูงถึง 97.82% บนชุดข้อมูลขนาด E3 Full Text : Download!

2.	ระบบตรวจจับบุคคลและยานพาหนะแบบเรียลไทม์โดยใช้ดีพเลิร์นนิงสำหรับมหาวิทยาลัยอัจฉริยะ [แสดงบทคัดย่อ] [ซ่อนบทคัดย่อ]
	ผู้แต่ง : ภานุพงศ์ แซ่โก
	ความซับซ้อนที่เพิ่มขึ้นของการบริหารจัดการฝูงชนในพื้นที่สาธารณะ รวมถึงสถานการณ์การแพร่ระบาดของโควิด 19 ต้องอาศัยแนวทางที่เป็นนวัตกรรมมากยิ่งขึ้น มหาวิทยาลัยซึ่งเป็นศูนย์รวมกิจกรรมของผู้คนเผชิญความท้าทาย โดยเฉพาะในบริเวณโรงอาหารและลานจอดรถ งานวิจัยนี้ประยุกต์ใช้อัลกอริทึมการตรวจจับวัตถุที่ล้ำสมัยกับการบริหารจัดการฝูงชนในมหาวิทยาลัย โดยใช้ YOLO เพื่อให้สามารถตรวจจับบุคคลในโรงอาหารและยานพาหนะในลานจอดรถได้อย่างแม่นยำ ระบบที่นำเสนอมีเป้าหมายเพื่อยกระดับความปลอดภัยภายในมหาวิทยาลัย เพิ่มประสิทธิภาพการจัดสรรทรัพยากร และเสริมประสบการณ์โดยรวมของนักศึกษาผ่านระบบตรวจจับบุคคลและยานพาหนะ อัลกอริทึมที่ใช้ในการประเมินประกอบด้วย YOLOv11n (nano), YOLOv11s (small), YOLOv11m (medium) และมีการเปรียบเทียบกับเวอร์ชันก่อนหน้า ได้แก่ YOLOv8 และ YOLOv10 ผลการทดลองแสดงให้เห็นว่า YOLOv8m ให้ความแม่นยำสูงสุดที่ 89.5% ในพื้นที่โรงอาหารบริเวณที่ 1 ขณะที่ YOLOv11s ทำได้ 85% ในพื้นที่โรงอาหารบริเวณที่ 2 สำหรับการตรวจจับยานพาหนะ โมเดลทั้งหมดให้ความแม่นยำ 90% Full Text : Download!

Total 2 Record 1

วิทยานิพนธ์

สารนิพนธ์

สหกิจศึกษา

งานวิจัย

บทความวิจัย