Page 59 - วารสารการเกษตรราชภัฏ ปีที่ 22 ฉบับที่ 1 มกราคม - มิถุนายน 2566

54
55
54 55

ตารางที่ 1 สรุปงานวิจัยที่เกี่ยวข้องกับการจ าแนกภาพสัตว์ชนิดต่างๆ

ชนิด สถาปัตยกรรมของโครงข่าย ประสิทธิภาพของการทดสอบโมเดล ที่มา
ประสาทเทียมแบบคอนโวลู
ชัน
สุกร VGG-Face ความแม่นย าของการเรียนรู้ 96.7% Hansen et al. (2018)
ไก่ไข่ VGG-19 ความแม่นย า 96.85% Yao et al. (2020) (ก) (ข) (ค) (ง)

สุกร LeNet-5 ความแม่นย าของการเรียนรู้ 97.6% Wang et al. (2020) รูปที่ 2 ตัวอย่างภาพไก่พื้นเมืองพันธุ์ประดู่หางด า (ก) พันธุ์แท้เพศผู้ (ข) พันธุ์แท้เพศเมีย (ค) ลูกผสมเพศผู้ และ (ง) ลูกผสม
สัตว์ชนิดต่างๆ DCNN ความแม่นย า 92% Khan et al. (2020) เพศเมีย
นก CNN ความแม่นย าของการเรียนรู้ 93% Singh et al. (2020)
ความแม่นย าของการทดสอบ 80% การสร้างและการทดสอบโมเดล สถาปัตยกรรมของโครงข่ายประสาทเทียมแบบ
นก CNN พัฒนามาจาก ความแม่นย าของการเรียนรู้ 93.19% Raj et al. (2020) คอนโวลูชันในการทดลองนี้มี 4 แบบ ดังนี้
VGGNet ความแม่นย าของการทดสอบ 84.91% สถาปัตยกรรมที่ใช้ในงานทดลองนี้ได้แก่ 1) สถาปัตยกรรมแบบ LeNet-5 ประกอบ

ไก่ Ayam6Net ความแม่นย า 92.9% Calvin et al. (2021) LeNet-5, AlexNet และสถาปัตยกรรมที่พัฒนาขึ้นโดยมี ด้วย ชั้นคอนโวลูชัน จ านวน 3 ชั้น ประกอบด้วย ผัง
สัตว์ชนิดต่างๆ CNN 2 ชั้น ความแม่นย าของการเรียนรู้ 100% Mohammed and Hussain LeNet-5 เป็นต้นแบบซึ่งเป็นสถาปัตยกรรมอย่างง่าย คุณลักษณะ (Feature map) ในชั้นที่ 1-3 เท่ากับ 6,
(2021) ส าหรับ LeNet-5 เป็นสถาปัตยกรรมพื้นฐานของโครงข่าย 16, และ 120 ตามล าดับ ใช้ตัวกรอง (Filter) ขนาด
ไก่ ResNet-50 ความแม่นย า 95.2% Ren et al. (2022) ประสาทเทียมแบบคอนโวลูชันที่ถูกพัฒนาและน าเสนอ 5x5 และเลื่อน (Stride) ครั้งละ 1 พิกเซล ชั้นพูลลิ่งใช้
โดย LeCun et al. ในปี ค.ศ. 1998 เป็นสถาปัตยกรรมที่ การพูลลิ่งด้วยค่าเฉลี่ย จ านวน 2 ชั้น แต่ละชั้นประ
การเตรียมข้อมูลภาพไก่พื้นเมือง ขนาดภาพสูงสุด 3,120 x 4,160 พิกเซล (pixel) เหมาะส าหรับการจ าแนกตั้งแต่ 1-10 กลุ่ม ส่วน AlexNet กอบด้วย ขนาดตัวกรอง 2x2 เลื่อนครั้งละ 2 พิกเซล
สถานที่และอุปกรณ์ในการถ่ายภาพประกอบด้วย โต๊ะ เป็นสถาปัตยกรรมที่ชนะเลิศในการแข่งขัน ImageNet ชั้นเชื่อมโยงสมบูรณ์ จ านวน 1 ชั้น ประกอบด้วย 84
ในการทดลองนี้ใช้ไก่พื้นเมืองพันธุ์ประดู่หางด า ที่มีพื้นสีขาวปูด้วยฟิวเจอร์บอร์ดสีขาวป้องกันไก่ลื่น Large Scale Visual Recognition Competition โหนดทดสอบฟังก์ชันกระตุ้น 2 แบบ คือ ฟังก์ชัน
พันธุ์แท้จากคณะเกษตรศาสตร์ มหาวิทยาลัยขอนแก่น ซึ่ง ขณะถ่ายภาพ พื้นหลังใช้กระดานไวท์บอร์ดสีขาวที่ได้ท า (ILSVRC) ในปี ค.ศ. 2012 มีลักษณะสถาปัตยกรรมคล้าย ไฮเปอร์โบลิคแทงก์เจนท์ (Hyperbolic Tangent
เป็นแหล่งรวบรวมและพัฒนาไก่พื้นเมืองพันธุ์ประดู่หางด า ตารางขนาด 1x1 นิ้ว ส าหรับวัดส่วนสูงของไก่พื้นเมือง LeNet-5 ใช้ในการจ าแนกตั้งแต่ 1-1000 กลุ่ม ส าหรับ Function: tanh) (LeCun et al., 1988) และฟังก์ชันเร
ส าหรับไก่พื้นเมืองพันธุ์ประดู่หางด าลูกผสมเกิดจากการ ส าหรับการใช้พื้นหลังภาพเป็นสีขาวเพื่อเป็นการจัด สถาปัตยกรรมอีก 2 แบบที่ใช้ในงานทดลองนี้ คือ CNN1 คติไฟด์ลินเนียนยูนิต (Rectified Linear Units:
ผสมระหว่างประดู่หางด าพันธุ์แท้กับไก่พื้นเมืองเหลืองหาง สภาพแวดล้อมของภาพถ่ายให้เหมือนกันทุกภาพ (รูปที่ และ CNN2 ผู้วิจัยเลือกพัฒนาโดยใช้ LeNet-5 เป็น ReLU)
ขาวพันธุ์แท้ที่ได้จากศูนย์วิจัยและบ ารุงพันธุ์สัตว์ปีก 2) ก าหนดระยะห่างของกล้องถ่ายภาพและไก่พื้นเมือง ต้นแบบเพราะเป็นสถาปัตยกรรมคลาสสิคพื้นฐานของ 2) สถาปัตยกรรมแบบ AlexNet (Krizhevsky
กบินทร์บุรี จ.ปราจีนบุรี ของกรมปศุสัตว์ ซึ่งเป็นแหล่ง ประมาณ 80 เซนติเมตร เพื่อให้ข้อมูลภาพที่ได้มีระยะ โครงข่ายประสาทเทียมแบบคอนโวลูชันที่มีการน าไป et al., 2012) ประกอบด้วย ชั้นคอนโวลูชัน จ านวน 5
รวบรวมและพัฒนาไก่พื้นเมืองพันธุ์เหลืองหางขาว ส าหรับ ในการถ่ายภาพใกล้เคียงกันทุกภาพ เก็บข้อมูลภาพกลุ่ม ประยุกต์ใช้ในงานด้านต่าง ๆ (กอบเกียรติ, 2565) เพื่อหา ชั้น ประกอบด้วย ผังคุณลักษณะ (Feature map) ใน
การเก็บข้อมูลภาพจะเก็บข้อมูลทั้งเพศผู้และและเพศเมีย ละ 250 ภาพ รวมเป็น 1,000 ภาพ การทดลองนี้ใช้การ สถาปัตยกรรมที่เหมาะสมส าหรับการแจกไก่พื้นเมืองให้ ชั้นที่ 1 เท่ากับ 96 ใช้ตัวกรอง (Filter) ขนาด 11x11
อายุ 20 สัปดาห์ขึ้นไป จ านวน 200 ตัว แบ่งตามพันธุ์และ เขียนด้วยภาษาไพทอน (python) ด้วยการใช้ Intera- รวดเร็วและมีประสิทธิภาพมากที่สุด และเลื่อน (Stride) คลั้งละ 2 พิกเซล ในชั้นที่ 2 มีผัง
เพศเป็นกลุ่มละ 50 ตัว ใช้กล้องถ่ายภาพดิจิตอลของ ctive Python ที่ใช้ Interface บนเว็บเบราว์เซอร์ การทดสอบโมเดลเริ่มจากการน าเข้าข้อมูลภาพ คุณลักษณะเท่ากับ 256 ใช้ตัวกรองขนาด 5x5 และ
สมาร์ทโฟน OPPO Reno3 Pro รุ่น CPH2037 ในการ ท างานในลักษณะ server-client model ที่เรียกว่า ไก่พื้นเมืองมาท าการปรับขนาดภาพจาก 3,456x3,456 เลื่อนครั้งละ 2 พิกเซล ในชั้นที่ 3-5 มีผังคุณลักษณะ
เก็บข้อมูลภาพ โดยคุณสมบัติของกล้อง คือ มีความ jupyter notebook มีเบื้องหลังตัวท างานประมวลผล พิกเซล เป็น 224x224 พิกเซล แล้วปรับสเกลข้อมูลให้ เท่ากับ 384, 384, และ 256 ตามล าดับ ใช้ตัวกรอง
ละเอียด 64 MP + 13 MP (Telephoto) + 8 MP คือ IPython และ Jupyter Lab server แบบ Local- มีค่าระหว่าง 0 ถึง 1 ด้วยวิธี Normalization โดยท า ขนาด 3x3 และเลื่อนทีละ 2 พิกเซล ชั้นพูลลิ่งใช้การ
(UltraWide) + 2 MP (MONO) (Quad Camera) host (Localhost:8888) (กอบเกียรติ, 2565) การหารข้อมูลด้วย 255 ส าหรับข้อมูลจะแบ่งออกเป็น 3 พูลลิ่งด้วยค่าสูงสุด จ านวน 3 ชั้น แต่ละชั้นประกอบ
ชุด ได้แก่ ชุดข้อมูลส าหรับการเรียนรู้ (Training set) ด้วย ขนาดตัวกรอง 3x3 เลื่อนครั้งละ 2 พิกเซล ชั้น
ชุดข้อมูลส าหรับตรวจสอบ (Validation set) และชุด เชื่อมโยงสมบูรณ์ จ านวน 2 ชั้น ประกอบด้วย 4,096
ข้อมูลส าหรับการทดสอบ (Test set) โดยทดสอบ โหนด ใช้ฟังก์ชันกระตุ้นเรคติไฟด์ลินเนียนยูนิต
โมเดลด้วยอัตราส่วน 80 :10:10 ท าการสร้าง 3) สถาปัตยกรรมแบบคอนโวลูชัน 2 ชั้น
สถาปัตยกรรมและทดสอบโมเดลจ านวน 3 ครั้ง แล้วหา (CNN1) ประกอบด้วย ชั้นคอนโวลูชัน จ านวน 2 ชั้น
ค่าเฉลี่ย และก าหนดจ านวนรอบที่ใช้ในประมวลผล 2 ประกอบด้วย ผังคุณลักษณะในชั้นที่ 1-2 เท่ากับ 32
ระดับ ดังนี้ 10 และ 20 รอบ (epoch) (รูปที่ 3) และ 64 ตามล าดับ ใช้ตัวกรองขนาด 3x3 และเลื่อน

วารสารการเกษตรราชภัฏ ปีที่ 22 ฉบับที่ 1 มกราคม-มิถุนายน 2566 วารสารการเกษตรราชภัฏ ปีที่ 22 ฉบับที่ 1 มกราคม-มิถุนายน 2566
วารสารการเกษตรราชภัฏ ปีที่ 22 ฉบับที่ 1 มกราคม-มิถุนายน 2566
วารสารการเกษตรราชภัฏ ปีที่ 22 ฉบับที่ 1 มกราคม-มิถุนายน 2566