Please use this identifier to cite or link to this item: http://kb.psu.ac.th/psukb/handle/2016/17376
Full metadata record
DC FieldValueLanguage
dc.contributor.authorธเนศ เคารพาพงศ์-
dc.contributor.authorศุภชัย มะเดื่อ-
dc.date.accessioned2022-01-21T07:26:08Z-
dc.date.available2022-01-21T07:26:08Z-
dc.date.issued2553-
dc.identifier.urihttp://kb.psu.ac.th/psukb/handle/2016/17376-
dc.description.abstractThis research proposes a method for young aromatic coconut classification from an image of the bottom part of the coconut using image processing techniques. Coconuts are classified into 3 categories: single layer, one-and-a-half layer and double layer. Preliminary experiments were conducted to search for significant color components in 3 color standards: RGB, HSV and CIELAB. Percentage of the color area inside interest region was used as a classification threshold. Experimented results showed that the plane in HSV color standard and the A plane in CIELAB color standard were significant. Their intensities are correlated with coconuts age. In classification phase, the minimum distance interested regions for classification are defined. Circular rings around the center of the coconuts for each ring the percentage of white pixels with are computed. Then the relation between the ring order and the percentage of the white pixels of each ring and plotted. The graph is approximated by a second-order polynomial function. Each coconut category has its own polynomial function. In classification mode, the graph of the unknown sample is compared against these 3 polynomial functions. The function that yield the minimum distance is the answer. From experiments, the image in S plane of the HSV color space yields the highest accuracy, that is 88.89% for single layer coconuts. 86.67% for one and-a-half layer coconuts and 85.95% for double layer coconuts. This yields the overall accuracy of 86.95%en_US
dc.language.isothen_US
dc.publisherมหาวิทยาลัยสงขลานครินทร์en_US
dc.subjectมะพร้าว การเก็บเกี่ยวen_US
dc.subjectเทคโนโลยีการเกษตรen_US
dc.titleการจำแนกชั้นเนื้อของมะพร้าวน้ำหอมอ่อนen_US
dc.title.alternativeClassifying Voung Aromatic Coconuts Fleshen_US
dc.title.alternativeรายงานวิจัยฉบับสมบูรณ์ การจำแนกชั้นเนื้อของมะพร้าวน้ำหอมอ่อนen_US
dc.typeTechnical Reporten_US
dc.contributor.departmentFaculty of Engineering Computer Engineering-
dc.contributor.departmentคณะวิศวกรรมศาสตร์ ภาควิชาวิศวกรรมคอมพิวเตอร์-
dc.description.abstract-thงานวิจัยนี้นําเสนอวิธีการจําแนกชั้นเนื้อของมะพร้าวน้ำหอมอ่อน โดยการประมวลผลภาพ จากภาพถ่ายบริเวณก้นของผลมะพร้าวน้ำหอมอ่อน ซึ่งในการวิจัยได้ทําการจําแนกประเภทชั้นเนื้อ ของมะพร้าวน้ำหอมอ่อนออกเป็น 3 ประเภทคือมะพร้าวน้ำหอมอ่อนประเภทเนื้อชั้นเดียว มะพร้าวน้ำหอมอ่อนประเภทเนื้อชั้นครึ่ง และมะพร้าวน้ำหอมอ่อนประเภทเนื้อสองชั้น การวิจัยได้ทําการทดลองเพื่อหาระนาบสีของภาพที่มีนัยสําคัญในการจําแนกประเภทชั้น เนื้อ โดยการคํานวณหาปริมาณร้อยละของพื้นที่สีที่ได้การทําจืดเริ่มเปลี่ยนที่เหมาะสม บนพื้นที่ สนใจในแต่ละระนาบสีของภาพในระบบสี RGB HSV และระบบสี CIELAB ผลการทดลองพบว่า มีเพียงภาพในระนาบ S ระบบสี HSV และภาพในระนาบ A ระบบสี CIELAB เท่านั้น ที่มี นัยสําคัญในการจําแนกประเภทชั้นเนื้อคือ มีปริมาณพื้นที่สีสนใจเพิ่มขึ้นตามอายุของผลที่เปลี่ยนไป จากนั้นได้ทําการทดลองเพื่อหาผลลัพธ์ในการจําแนก โดยการเปรียบเทียบหาค่าระยะห่างระหว่าง กราฟที่น้อยที่สุด โดยการสร้างพื้นที่วงแหวนสนใจตรงจุดกึ่งกลางของผล จากนั้นคํานวณหาร้อยละ ของพื้นที่สีขาวบนพื้นที่สนใจในแต่ละวงแหวน และทําการเปรียบเทียบหาค่าระยะห่าง ของกราฟ ความสัมพันธ์ระหว่างลําดับที่ของวงแหวนกับร้อยละของพื้นที่สีที่สนใจในแต่ละวงแหวนของภาพ นําเข้า กับกราฟความสัมพันธ์ดังกล่าว ของสมการจําแนกที่ได้จากการประมาณเส้นโค้งแบบโพลิโน เมียลกําลังสองของมะพร้าวน้ำหอมอ่อนทั้ง 3 ประเภทชั้นเนื้อ ผลมะพร้าวที่นํามาทดสอบจะอยู่ใน ประเภทชั้นเนื้อที่มีค่าระยะห่างน้อยที่สุด จากผลการทดลองพบว่าภาพในระนาบ S ระบบสี HSV ให้ผลการจําแนกที่ดีที่สุดโดยมีความถูกต้องในการจําแนกมะพร้าวน้ำหอมอ่อนประเภทเนื้อชั้นเดียว ร้อยละ 88.89 ประเภทเนื้อชั้นครึ่งร้อยละ 86.67 และประเภทเนื้อสองชั้นร้อยละ 85.29 และ ความถูกต้องในการจําแนกรวมร้อยละ 86.95en_US
Appears in Collections:241 Research

Files in This Item:
File Description SizeFormat 
413327-abstract.pdf133.84 kBAdobe PDFView/Open


Items in PSU Knowledge Bank are protected by copyright, with all rights reserved, unless otherwise indicated.