การปรับปรุงภาพโดยใช้ฮาร์เวฟเล็ตสำหรับจำแนกโรคใบสตรอเบอรี่ ด้วยโครงข่ายประสาท แบบคอนโวลูชัน

บทคัดย่อ

วิธีการจำแนกเพื่อตรวจสอบโรคบนใบสตรอเบอรี่เป็นเรื่องที่น่าสนใจและมีความสำคัญในด้าน การเกษตร ซึ่งสามารถช่วยเพิ่มประสิทธิภาพในการจัดการโรคและสารป้องกันกำจัดศัตรูพืช เช่น โรคจุดตานก โรคใบไหม้และโรคราแป้ง ภาพถ่ายจึงต้องมีความคมชัดเพราะแต่ละโรคบนใบสตรอเบอรี่ มีลักษณะที่แตกต่างกัน บทความนี้เสนอวิธีการปรับปรุงประสิทธิภาพการจำแนกภาพใบสตรอเบอรี่ ด้วยโครงข่ายคอนโวลูชันสำหรับการจำแนกโรคบนใบสตรอเบอรี่ โดยใช้วิธีฮาร์เวฟเล็ตสำหรับการ ปรับปรุงภาพ ใช้ภาพใบสตรอเบอรี่ทั้งหมดจำนวน 2,192 ภาพ เปรียบเทียบกับภาพที่ไม่ใช้วิธีฮาร์เวฟ เล็ตทำการฝึกสอน 300 และ 500 รอบ ผลการทดลองพบว่าวิธีที่นาเสนอเพิ่มประสิทธิ ความแม่นยำ สูงขึ้นในการฝึกสอน 300 รอบ จากร้อยละ 94.61 เป็นร้อยละ 96.08 และค่า F1-Score จากร้อยละ 94.89 เพิ่มเป็นร้อยละ 96.33 ใช้เวลาในการประมวลผล 36 นาทีและในการฝึกสอน 500 รอบ จาก ร้อยละ 95.59 เป็นร้อยละ 97.44 และ F1-Score จากร้อยละ 95.65 เพิ่มเป็นร้อยละ 97.63 ใช้เวลา ประมวลผล 62 นาที