การวินิจฉัยจำแนกโรคใบองุ่นจากภาพถ่ายโดยใช้จีเนติกอัลกอริทึม และแผนผังจัดการตนเองเชิงโครงสร้างปรับตัวได้Imagery Grape Leaf Disease Diagnosis Based on a GA-SASOM Algorithm

Abstract

บทคัดย่อ

อุตสาหกรรมการเกษตรเป็นอุตสาหกรรมที่สำคัญอย่างหนึ่งของประเทศไทย และในปัจจุบันได้มีการนำนวัตกรรมเข้ามาใช้เพื่อพัฒนาเทคโนโลยีทางเกษตรเพิ่มขึ้นอย่างต่อเนื่อง โดยเฉพาะเทคโนโลยีในการประมวลผลภาพและคอมพิวเตอร์วิทัศน์ ปัญหาที่สำคัญอย่างหนึ่งในอุตสาหกรรมการเกษตร คือการใช้สารเคมีมากเกินจำเป็นในการควบคุมโรคพืช ทำให้เกิดปัญหาต่าง ๆ ขึ้น เช่น ปัญหาทางสิ่งแวดล้อม อันตรายต่อสุขภาพ และสิ้นเปลืองค่าใช้จ่าย เพื่อลดปัญหาดังกล่าวหากสามารถพิจารณาลักษณะอาการของโรคพืชในสภาวะเริ่มต้นได้ จะสามารถลดปริมาณความเสียหายทางผลผลิต และหลีกเลี่ยงการใช้สารเคมีมากเกินจำเป็นได้ งานวิจัยนี้ได้นำเสนออัลกอริทึมสำหรับการวินิจฉัยจำแนกโรคใบองุ่นจากภาพถ่ายในสภาวะแวดล้อมจริง กระบวนการทำงานของระบบประกอบไปด้วยจีเนติกอัลกอริทึม (Genetic Algorithm : GA) และแผนผังการจัดการตนเองเชิงโครงสร้างปรับค่าได้ (Structure-Adaptive Self-Organizing Feature Map : SASOM) เรียกว่า อัลกอริทึม GA-SASOM ซึ่งโครงสร้างหลักของการจำแนกรูปแบบของโรคใบองุ่นของระบบได้ใช้โครงสร้างพื้นฐานของ GA ที่มีการพัฒนารูปแบบของโครโมโซมใหม่โดยได้พัฒนารูปแบบของแผนผังโนด (node map) ของ SASOM ขึ้นมาใหม่ เรียกว่า แผนผังโครโมโซม (chromosome map) ซึ่งแต่ละแผนผังโครโมโซมใช้แทนคุณลักษณะสี และลวดลายของรูปแบบ 1 รูปแบบที่ต้องการจำแนกรูปแบบ และนำมาใช้เป็นแบบจำลองคุณลักษณะเด่นของภาพโรคพืชของใบองุ่น งานวิจัยนี้ได้ทดสอบระบบการจำแนกรูปแบบโดยใช้โรคใบองุ่น 4 โรคดังนี้ โรคอีบุบ โรคราสนิม โรคราน้ำค้าง และโรคราแป้ง ซึ่งแต่ละภาพมีขนาด รูปร่าง ลักษณะการวางตัวของใบองุ่น และอยู่ในสภาวะแสงที่ต่างกัน ซึ่งผลการทดสอบระบบมีความแม่นยำสูงสุดถึง 94.35 เปอร์เซ็นต์

Abstract

Agriculture industry is one of major industry in Thailand. Nowadays, agriculture industry uses more innovation for development, especially image processing technology and computer vision. One of important problem in agriculture industry is overdose on chemicals to handle plant diseases that cause many problems such as pollutions, health hazards and expensive cost. So, if we can initial plant disease diagnosis, we can reduce productivity damage and avoid overdose on chemicals. This research presents algorithm for grape leaf disease diagnosis from complex background imagery. The system consists genetic algorithm (GA) and structure-adaptive self-organizing maps (SASOM) called GA-SASOM algorithm, which we developed basic GA structure to be main structure of classification system with new chromosome type that developed from basic SASOM node map called chromosome map. This research used each chromosome map to represent each color characteristics and pattern class of leaf disease, which was feature extraction model of grape leaf disease image. This work was test grape leaf disease diagnosis system with 4 diseases include Scab, Rust, Downy mildew and Powdery mildew, which each image had various size, position, rotation and light condition. These system achieved a performance up to 94.35% of accuracy.