การออกแบบโครงสร้างการเรียนรู้เชิงลึกสำหรับการจำแนกโรคกล้วยไม้

โรคกล้วยไม้เป็นปัญหาใหญ่สำหรับการปลูกกล้วยไม้ โดยวิธีปกติในการตรวจสอบโรคกล้วยไม้ คือ การใช้ผู้เชี่ยวชาญ โดยการดูด้วยตาเปล่า ซึ่งทำใช้เวลาในการตรวจสอบ และอาจจะเกิดความผิดพลาดจากการตรวจสอบได้ วิทยานิพนธ์นี้จึงนำเสนอการศึกษาและการออกแบบระบบสำหรับจำแนกโรคกล้วยไม้ โดยใช้ปัญญาประดิษฐ์ประเภทการเรียนรู้เชิงลึก โดยมีวัตถุประสงค์เพื่อศึกษาและออกแบบโครงการเรียนรู้เชิงลึก และเพื่อลดจำนวนพารามิเตอร์ของโครงสร้างการเรียนรู้เชิงลึก โดยในวิทยานิพนธ์นี้จำแนกใบกล้วยไม้ทั้งหมด 4 ประเภท คือ โรคแอนแทรคโนส โรคใบจุด โรคใบปื้นเหลือง และใบปกติ ทำได้โดยการการเก็บตัวอย่างภาพถ่ายของใบกล้วยไม้ที่ถูกระบุว่าเป็นโรคโดยผู้เชี่ยวชาญ 3 ท่าน จากนั้นนำไปฝึกฝนระบบการเรียนรู้เชิงลึกที่ได้ออกแบบและปรับค่าพารามิเตอร์ให้เหมาะสม โดยใช้ภาษา Python และKeras ซึ่งเป็น deep-learning library จากการทดสอบประสิทธิภาพของระบบพบว่ามีความถูกต้องและความแม่นยำสูงถึงร้อยละ 97.44 ซึ่งระบบที่ออกแบบมีความเรียบง่าย โดยเมื่อเทียบกับ pre-trained model พบว่าระบบที่ออกแบบมีพารามิเตอร์น้อยกว่าถึง 9.4 เท่า และ ใช้เวลาในการประมวลผลน้อยกว่า 4.5 เท่า ในขณะที่ประสิทธิภาพเทียบเท่ากัน