ตรวจโรคใบข้าวโพดด้วย AI
ถ่ายรูปใบข้าวโพดแล้วให้ระบบช่วยวินิจฉัยโรคเบื้องต้น ด้วยโมเดล MobileNetV2 ความแม่นยำ ~98.7% พร้อมคำแนะนำการจัดการเป็นภาษาไทย
98.7%
ความแม่นยำ (validation)
4
ประเภทที่จำแนก
~4,000
ภาพฝึก/ทดสอบ
MobileNetV2
สถาปัตยกรรมโมเดล
เกี่ยวกับงานวิจัย
ระบบตรวจจับโรคในใบข้าวโพดแบบเรียลไทม์ด้วยการเรียนรู้เชิงลึก
ตรวจจากรูปถ่าย
อัปโหลดภาพใบข้าวโพด ระบบบอกผลพร้อมระดับความมั่นใจทันที
กล้องสดในแปลง
เชื่อมกล้องในแปลงจริง ตรวจจับใบและวิเคราะห์โรคอัตโนมัติ (ต้องเข้าสู่ระบบ)
คำแนะนำการจัดการ
อธิบายอาการและแนวทางจัดการโรคแต่ละชนิดเป็นภาษาไทย
ภาพ/กล้องสด→ MobileNetV2→ ผลวินิจฉัย + คำแนะนำ
โรคที่ตรวจจับได้
โรคราสนิม
Common Rust · Puccinia sorghi
โรคใบจุดสีเทา
Gray Leaf Spot · Cercospora zeae-maydis
โรคใบไหม้แผลใหญ่
Northern Leaf Blight · Exserohilum turcicum
ใบปกติ
Healthy · ไม่พบโรค
ระดับความมั่นใจ: ≥80% ฟันธง · 50–80% ควรยืนยัน · <50% ถ่ายใหม่
ตรวจโรคจากรูปถ่าย
ถ่ายหรือเลือกภาพใบข้าวโพดที่ชัดเจน ใบเดียวเต็มเฟรมให้ผลดีที่สุด · JPG/PNG ไม่เกิน 12 MB
แตะเพื่อถ่าย/เลือกรูป หรือลากรูปมาวางที่นี่
กล้องสด — ตรวจโรคเรียลไทม์
สตรีมจากกล้องในแปลง ตรวจจับใบและวิเคราะห์โรคอัตโนมัติ
เข้าสู่ระบบ
ผลการทดสอบและการเทรนโมเดล
สรุปประสิทธิภาพของโมเดล MobileNetV2 บนชุดทดสอบ (validation) จำนวน ภาพ
ความแม่นยำรวม
ภาพที่ใช้ฝึก
รอบการเทรน (epochs)
ตัวปรับค่า
ความแม่นยำระหว่างการเทรน
ความแม่นยำบนชุด validation ในแต่ละ epoch (สูงสุด )
Confusion Matrix
แถว = โรคจริง · คอลัมน์ = ที่โมเดลทำนาย
ความแม่นยำรายคลาส
Precision Recall F1
การกระจายชุดข้อมูล
ฝึก (train) ทดสอบ (val)
เปรียบเทียบ 4 โมเดล (Transfer Learning · โปรโตคอลเดียวกัน)
ความแม่นยำบนชุดทดสอบ (แกน 90–100%)
ทำไมเลือก MobileNetV2
แม่นยำสูงสุดเท่า ResNet50 (98.58%) แต่โมเดลเล็กกว่าประมาณ 10 เท่า (2.23M พารามิเตอร์ · 9.2 MB เทียบ ResNet50 23.5M · 94 MB) จึงรันได้เร็วบนเครื่องทรัพยากรจำกัด — วัดจริงบนเซิร์ฟเวอร์ที่ใช้งาน ~88 มิลลิวินาที/รูป บน CPU เหมาะกับการใช้งานบนมือถือ/edge แบบเรียลไทม์ซึ่งเป็นเป้าหมายของงานวิจัย · ส่วน EfficientNetB0 แม่นน้อยกว่าเล็กน้อย (97.93%) และ CNN ที่เรียนจากศูนย์ได้เพียง 94.06% สะท้อนว่า Transfer Learning ช่วยเพิ่มความแม่นยำอย่างชัดเจน
รายละเอียดโมเดล
สถาปัตยกรรม พารามิเตอร์ ขนาดภาพเข้า Transfer learning จาก ImageNet