การประมวลผลภาพสำหรับการจำแนกคุณภาพบรรจุภัณฑ์บนระบบควบคุมสายพานอัตโนมัติด้วยวิธีการเรียนรู้เชิงลึก

ปัจจุบันเทคโนโลยีดิจิทัลถูกพัฒนาขึ้นมาอย่างต่อเนื่อง จนพัฒนาและปรับเปลี่ยนกระบวนการทำงานของหลากหลายภาคธุรกิจ ทดแทนงานของมนุษย์หลากหลายด้าน โดยที่หนึ่งในเทคโนโลยีที่เกี่ยวข้องคือ ปัญญาประดิษฐ์ (Artificial Intelligence หรือ AI) งานวิจัยนี้นำแนวคิดหลักการเรียนรู้เชิงลึก (Deep Learning) ซึ่งเป็นหนึ่งในหลักการเรียนรู้ของเครื่อง (Machine Learning) นั้น มาประยุกต์ใช้เพื่อจำแนกและคัดแยกกล่องบรรจุภัณฑ์บนระบบคลังสินค้าอัตโนมัติของกรณีศึกษาผ่านภาพถ่าย โดยสร้างแบบจำลองโครงข่ายประสาทเทียมแบบสังวัฒนาการ (Convolutional Neural Network: CNN) เปรียบเทียบกับแบบจำลองอีก 5 แบบจำลอง ประกอบด้วย VGG16, VGG19, ResNet50, ResNet50-v2 และ MobileNet-v2 ภายใต้แนวคิดหลักการส่งถ่ายความรู้ (Transfer Learning)ผลการวิจัยพบว่าแบบจำลองโครงข่ายประสาทเทียมแบบสังวัฒนาการ (Convolutional Neural Network: CNN) มีผลความแม่นยำของแบบจำลอง 99.1% ในการจำแนกและคัดแยกกล่องบรรจุภัณฑ์ โดยมีประสิทธิภาพที่สูงและเหมาะสมกว่าแบบจำลองอีก 5 แบบจำลอง