Professional Documents
Culture Documents
41 การตรวจหาเมล็ดข้าวฮางงอกผิดรูปด้วยการใช้การประมวลผลภาพดิจิทัล
41 การตรวจหาเมล็ดข้าวฮางงอกผิดรูปด้วยการใช้การประมวลผลภาพดิจิทัล
การตรวจหาเมล็ดข้าวฮางงอกผิดรูปด้วยการใช้การประมวลผลภาพดิจิทัล
Determination of Deformed Germinated “Hang” Rice Grains Using Digital Image
Processing
บทคัดย่อ
ข้าวฮางงอกได้รับความสนใจจากผู้บริโภคเพิ่มมากขึ้น เนื่องจากมีสารอาหารและกรดแกมมาแอมิโนบิวทิริกที่มีประโยชน์
ต่อร่างกาย แต่กระบวนการผลิตมีความซับซ้อน และ มีผลกระทบโดยตรงต่อคุณภาพของข้าวฮางงอก ลักษณะทาง
กายภาพลักษณะหนึ่งที่ผู้บริโภคไม่ต้องการ คือ การผิดรูปของเมล็ดข้าว ในปัจจุบัน การตรวจสอบคุณภาพข้าว
ฮางงอกกระท�ำโดยมนุษย์ ซึ่งก่อให้เกิดข้อจ�ำกัดทางด้านความเร็วและประสิทธิภาพในการคัดแยก ในงานวิจัยนี้
จึงพัฒนาวิธีการตรวจหาเมล็ดข้าวฮางงอกผิดรูปโดยวิธีการประมวลผลภาพดิจิทัลร่วมกับโครงข่ายประสาทเทียม ลักษณะ
เฉพาะทีใ่ ช้ในการเรียนรูข้ องโครงข่ายประสาทเทียม ได้แก่ ความสมมาตรของเมล็ดข้าวทางแนวนอนและแนวตัง้ ค่าอัตราส่วน
ระหว่างพื้นที่ของเมล็ดข้าวและพื้นที่รูปปิดนูนที่เล็กที่สุดที่ล้อมรอบเมล็ดข้าวนั้น โดยกระท�ำทั้งกรณีเต็มเมล็ด แบ่งครึ่งเมล็ด
ตามแนวนอน และค�ำนวณอัตราส่วนนีอ้ กี ครัง้ หลังจากใช้กรรมวิธรี ปู หลายเหลีย่ มทีม่ คี วามยาวเส้นรอบวงสัน้ ทีส่ ดุ การทดสอบ
โครงข่ายประสาทเทียมได้ใช้การทดสอบด้วยวิธีการตรวจสอบแบบไขว้ 10 กลุ่ม ผลการทดลอง พบว่า ความถูกต้องในการ
ตรวจหาเมล็ดข้าวฮางงอกผิดรูปด้วยเทคนิคที่น�ำพัฒนาขึ้นนี้ คือ ร้อยละ 95.64
คำ�สำ�คัญ: ข้าวฮางงอก, การประมวลผลภาพ, โครงข่ายประสาทเทียม, การผิดรูปของเมล็ดข้าว
Abstract
Germinated Hang rice has received increasing attention from consumers since it generates nutrient and gamma-
aminobutyric acid (GABA) antioxidants that benefit to the human body. However, the process of producing it is
sophisticated and affects its quality directly. One of its physical appearance that is not preferable by consumers
is grain deformation. At present, quality evaluation is done manually, resulting in a time-consuming task and low
efficiency. In this research work, we developed a method that can determine deformed germinated Hang rice grains
using digital image processing incorporated with an artificial neural network. The key features used for training
the neural network were grain symmetry value along the vertical and horizontal lines, the ratio between the grain
area and the convex hull area surrounding the grain. The ratio was calculated for both whole grains and the half
of the grains along the horizontal line. This ratio was re-calculated after the minimum-perimeter polygon algorithm
was conducted on the rice grain. The artificial neural network was tested by the ten-fold cross-validation. The
experimental results showed that the averaged accuracy of the determination of deformed grained based on our
developed techniques was 95.64%.
Keywords: Germinated Hang rice, image processing, artificial neural networks, deformed rice grains
1
ผู้ช่วยศาสตราจารย์ คณะวิศวกรรมศาสตร์ มหาวิทยาลัยมหาสารคาม อำ�เภอกันทรวิชัย จังหวัดมหาสารคาม 44150
2
นักวิทยาศาสตร์ ภาควิชาฟิสิกส์ คณะวิทยาศาสตร์ มหาวิทยาลัยมหาสารคาม อำ�เภอกันทรวิชัย จังหวัดมหาสารคาม 44150
1
Assistant Professor, Faculty of Engineering, Mahasarakham University, Kantharawichai District, Maha Sarakham, Thailand, 44150
2
Scientist, Department of Physics, Faculty of Science, Mahasarakham University, Kantharawichai District, Maha Sarakham, Thailand, 44150
* Corresponding author: Kiattisin Kanjanawanishkul, Faculty of Engineering, Mahasarakham University, Kantharawichai District, Maha Sarakham,
Thailand, 44150, E-mail: kiattisin.k@msu.ac.th
การประชุมวิชาการ “มหาวิทยาลัยมหาสารคามวิจัย ครั้งที่ 14”
206 MRC#14 50 ปี มหาวิทยาลัยมหาสารคาม ‘ผู้มีปัญญา พึงเป็นอยู่เพื่อมหาชน’
กรรมวิธีเพื่อตรวจหาเมล็ดขาวฮางงอกผิดรูปขึ้น ดังที่
จะกลาวในสวนถัดไป
วิธีการดําเนินงานวิจัย
วิธีการดําเนินงานประกอบดวย 3 ขั้นตอน
หลั ก คือ การปรั บปรุ งภาพและการแยกสว น (image
enhancement and segmentation), ก า ร ดึ ง
คุ ณ ลั ก ษ ณ ะ (feature extraction) แ ล ะ ก าร รู จํ า
(recognition) ซึ่งในขั้นตอนที่ 1 การปรับปรุงภาพและ
การแยกส ว น ภาพของเมล็ ด ข า วฮางงอก จะถู ก
Figure 5 The color imaging system: (1) light
ปรับปรุงใหดีขึ้นและทําการแยกสวนของเมล็ดขาวออก
source (2) digital camera (3) adjustable
จากพื้นหลัง ในขั้นตอนที่ 2 การดึงคุณลักษณะเฉพาะ
light intensity and (4) image acquisition
ออกจากภาพเพื่ อใชในการรูจําของโครงขายประสาท
stage with black background (where
เที ย ม ขั้ น ตอนที่ 3 การรู จํ า เพื่ อ ระบุ ว า เมล็ ด ข า ว
samples are placed)
ดั ง กล าวมี การผิ ดรู ป หรื อ ไม กระบวนการที่ กล าวมา
ขางตน มีรายละเอียดดังตอไปนี้
ในขั้นตอนที่ 1 การปรับปรุงภาพและการแยก
สว น โดยภาพของเมล็ ดขาวฮางงอก จะถู กถ ายภาพ
ด ว ยกล อ งดิ จิ ทั ล (รุ น Fujifilm FinePix HS20 EXR)
ความละเอียด 16 ลานพิกเซล มีเซ็นเซอรรับภาพแบบ (a) (b)
CMOS ขนาด 1/2 นิ้ว พร อมระบบให แ สงภายใน ดั ง Figure 6 (a) The original image (b) and its binary
แสดงใน Figure 5 การจัดวางเมล็ดขาวฮางงอก จะไม version
มีการทับซอนกันและใชพื้นหลังเปนสีดํา6
ภาพที่ ได จ ะเป น ภาพสี RGB ดั งนั้ น ในการ ในขั้นตอนที่ 2 การดึงคุณลักษณะ โดยภาพ
ประมวลผลภาพ ภาพนี้ จะถูกแปลงเป น ภาพขาว-ดํ า ขาว-ดํ า ของเมล็ ด ข า วแต ล ะเมล็ ด จะถู ก นํ ามาดึ ง
(binary image) ดวยกรรมวิธี Otsu7 แต คาเทรสโฮลด ลั ก ษ ณ ะ เฉ พ าะ ซึ่ ง ไ ด แ ก ค าค ว าม ส ม ม า ต ร
(threshold) ที่ ไ ด ถู กปรั บลดลง 10% เนื่ อ งจากเมล็ ด (symmetry) ทั้ ง ตามแนวกว างและแนวยาวของเมล็ ด
ขาวฮางงอก มีสีคล้ําและพื้น หลั งเป นสีดํา ภาพที่ได นี้ ขาว และ คา solidity วิธีการเปนดังนี้
เมล็ดขาวฮางงอกจะกลายเปนสีขาวและพื้นหลังจะเปน (1) หมุ นภาพของเมล็ดขาวฮางงอกใหอ ยูใน
สีดํา หลังจากนั้นทําการกําจัดสัญญาณรบกวน (noise) ระนาบแนวนอนตามแกนหลักของรูปวงรี8
ที่มีพื้นที่นอยออกไปจากภาพ พรอมทั้งเติมสีขาวลงใน (2) หาสี่ เ หลี่ ย มผื น ผ า ที่ ล อ มรอบพิ ก เซล
ชองวางภายในเมล็ดขาว จากขั้นตอนดังกลาง แสดงได (bounding box) ในภาพขาว-ดําของเมล็ดขาวฮางงอก
ดัง Figure 6
การประชุมวิชาการ “มหาวิทยาลัยมหาสารคามวิจัย ครั้งที่ 14”
50 ปี มหาวิทยาลัยมหาสารคาม ‘ผู้มีปัญญา พึงเป็นอยู่เพื่อมหาชน’ MRC#14 209
สี่เหลี่ย มผืน ผ าที่ ล อมรอบพิ กเซลในภาพขาว-ดํ าของ (7) ใชกรรมวิธีรูปหลายเหลี่ย มที่มี ความยาว
เมล็ดขาวฮางงอก แล วคํ านวณคาความสมมาตรตาม เส น รอบวงสั้ น ที่ สุ ด (minimum-perimeter polygon,
แนวกวาง ดวยสมการ mpp)7 เพื่อหาจุดยอด (vertex) ของรูปหลายเหลี่ยมที่
แสดงถึงรูปรางของเมล็ดขาวฮางงอก คาพารามิเตอรที่
sym _ W
f3 f 4 (2)
W L / 2 สําคั ญ ของกรรมวิ ธี นี้ คื อ ขนาดของเซลล (cell size)
ในงานวิจัยนี้ คณะผูวิจัยใหขนาดของเซลลเทากับ 33
โดยที่ sym_W คือ คาความสมมาตรตามแนวกวาง พิ กเซล ถ าหากเลือ กขนาดของเซลลม ากเกิ น ไป รู ป
f 3 และ f 4 คื อ ภาพขาว-ดํ า ของเมล็ ด ข า ว หลายเหลี่ ย มที่ ไ ด จะไม ส ามารถแสดงถึ ง รู ป ร า งที่
ฮางงอก ครึ่งซายและครึ่งขวาตามลํ าดั บ เมื่อแบ งครึ่ง แทจริงของเมล็ดขาวฮางงอกได
ตามแนวกวาง ซึ่ ง พิ กเซลใดเป น สี ขาว จะมีคาเป น 1 (8) คํ านวณหาคา solidity จากภาพที่ ไดจาก
และ พิกเซลใดที่เปนสีดํา จะมีคาเปน 0 กรรมวิธี mpp ดังกลาว
W และ L คื อ ขนาดความกว างและความ grain _ area_3
solid_3 (4)
ยาวของสี่ เ หลี่ ย มที่ ล อ มรอบเมล็ ด ข า ว หน ว ยเป น conv _ hull _ area_3
พิกเซล
โดยที่ solid_3 คือ คา solidity เมื่อใช mpp ที่มีขนาด
(5) จากข อ ที่ (1) สร างพื้ น ที่ รู ปป ดนู น ที่ เล็ ก ของเซลลเทากับ 33 พิกเซล
grain_area_3 คือ พื้นที่เมล็ดขาวฮางงอกเมื่อ
ที่ สุ ด (convex hull) ที่ ล อ ม ร อ บ เม ล็ ด ข าว แ ล ว
คํ า นวณหาค า solidity ซึ่ ง คํ านวณได จ าก อั ต ราส ว น ใช mpp ที่ มี ข นาดของเซลล เ ท า กั บ 33 พิ ก เซล
หนวยเปนพิกเซล
การประชุมวิชาการ “มหาวิทยาลัยมหาสารคามวิจัย ครั้งที่ 14”
210 MRC#14 50 ปี มหาวิทยาลัยมหาสารคาม ‘ผู้มีปัญญา พึงเป็นอยู่เพื่อมหาชน’
(e) (f)
จากขั้นตอนขางตน จะไดลักษณะเฉพาะรวม
ทั้ ง หมด 6 ลั ก ษณะ คื อ sym_ L, sym_ W , solid_1 ,
solid_half _ 1 , solid_3 , solid_half_ 3 ซึ่ ง จะถู ก ใช ใ น
ขั้นตอนที่ 3 คือ การรูจํา ตัวอยางลักษณะภาพที่ไดจาก
ขั้นตอนการดึงคุณลักษณะ เปนดัง Figure 7 (g) (h)
ในขั้นตอนที่ 3 การรูจําดวยโครงขายประสาท Figure 7 Feature extraction: (a) and (b) two
เทียม ซึ่งที่ใชในงานวิจัยนี้ คือ โครงขายประสาทแบบ halves of the grains along the horizontal
ป อ นไปหน า 3 ชั้ น (three-layer feedforward neural line, (c) and (d) two halves of the grains
network) โดยประกอบไปดวยชั้นอินพุท (input layer) along the vertical line, (e) and (f) the
จํ านวน 1 ชั้ น , ชั้ น ซ อ นตั ว (hidden layer) จํ านวน 1 original shape and its convex hull, (g)
ชั้ น และชั้ น เอาท พุ ท (output layer) จํ า นวน 1 ชั้ น and (f) the minimum-perimeter polygon
โดยชั้ น อิ น พุ ท ประกอบด ว ย 6 โหนด ซึ่ ง ก็ คื อ ค า (mpp) of (e) and its convex hull
sym_ L , sym_ W , solid_1 , solid_half _ 1 , solid_3 ,
solid_half_ 3 และชั้ น เอาท พุ ท ประกอบด ว ย 2 โหนด การทดสอบโครงขายประสาทเทียม ใชวิธีการ
คือ การระบุเมล็ดขาวฮางงอกรูปรางปกติและผิดรูป ใน ต ร ว จ ส อ บ แ บ บ ไ ข ว 10 ก ลุ ม (10-fold cross
การทดลองจะปรับจํานวนโหนดของชั้นซอนตัว จาก 1- validation) โดยแบงขอมูล ออกเปน 10 กลุมเทาๆ กั น
10 แลวเลือกจํ านวนโหนดที่ให คาเฉลี่ยความถูกตอ ง ดว ยวิธี การสุ ม และทํ าการคํานวณค าความผิดพลาด
สู งสุ ด ส ว นฟ ง ก ชั่ น ถ ายโอน (transfer function) ของ 10 รอบ โดยแตละรอบการคํานวณ ขอมูลกลุมหนึ่งจาก
ชั้นซ อนตั วจะใชแ บบซิกมอยด (sigmoid) และในสว น ข อ มู ล 10 กลุ ม จะถู กเลื อ กออกมาเพื่ อ เป น ชุ ดข อ มู ล
ของชั้ น เอาท พุ ท จะเป น แบบเชิ ง เส น (linear) ส ว น ทดสอบ (test set) และข อมู ล อีก 9 กลุม จะถูกใช เป น
ฟงก ชั่น สําหรับการปรับปรุง คาน้ํ าหนัก (weight) และ ขอ มู ล สํ าหรับการเรี ยนรู (training set) แล ว ทํ าซ้ํ าจน
ค า ไบแอส (bias) จะใช ต าม วิ ธี scaled conjugate ครบ 10 รอบ เพื่ อเปลี่ ยนชุดข อมูล ทดสอบใหครบทุ ก
gradient กลุม และ นํ าผลลัพธ ที่ได มาหาค าความถูกต องเฉลี่ ย
(averaged accuracy)
การประชุมวิชาการ “มหาวิทยาลัยมหาสารคามวิจัย ครั้งที่ 14”
50 ปี มหาวิทยาลัยมหาสารคาม ‘ผู้มีปัญญา พึงเป็นอยู่เพื่อมหาชน’ MRC#14 211
ความถู กต อ งในที่ นี้ คื อ ร อ ยละของจํ านวน ใกล เคี ยงกั น จึ งส งผลให โครงขายประสาทเที ย มระบุ
เมล็ดข าวที่ โครงข ายประสาทเที ยมสามารถระบุ ไดว า ผิดพลาดได
เมล็ดขาวมีรูปรางปกติหรือผิดรูปไดอยางถูกตองเทียบ
กับจํานวนเมล็ดขาวทั้งหมด Table 1 Averaged accuracy of determination of
deformed germinated Hang rice grains
ผลการทดลองและวิจารณผล when the number of hidden layer nodes
ในการทดลอง ตั ว อยางข าวฮางงอกจํ านวน was varied from 1 to 10
360 เมล็ ด แยกเป น เมล็ ด ข า วที่ มี รู ป ร า งปกติ 180 No. of hidden Averaged Accuracy (%)
เมล็ ด และ ผิ ด รู ป จํ า นวน 180 เมล็ ด จากโครงการ layer nodes Training set Test set
iTAP (โครงการสนั บสนุ น การพั ฒ นาเทคโนโลยี ข อง 1 94.29 93.33
อุตสาหกรรมไทย) เครือขายมหาวิทยาลัยมหาสารคาม 2 93.61 91.39
แลวนําเมล็ดขาวที่ไดผ านระบบการถายภาพดังแสดง 3 94.85 92.78
ใน Figure 8 และ Figure 9 สําหรับเมล็ดขาวที่มีรูปราง 4 95.06 93.61
ปกติ แ ละผิ ด รู ป ตามลํ า ดั บ เมื่ อ ดํ า เนิ น การต าม 5 95.96 92.78
กระบวนการขางตน คือ การปรับปรุงภาพและการแยก 6 94.78 91.11
ส วน ก ารดึ งคุ ณ ลั กษ ณ ะแ ล ะ การรู จํ า ใน ก าร 7 90.33 88.89
ประยุกตใชโครงขายประสาทเทียม เมล็ดขาวฮางงอก 8 95.37 91.94
จะถู กแบง เปน ชุดขอ มู ลสํ าหรับเรีย นรู และ ชุดขอ มู ล
9 95.93 91.94
สําหรับทดสอบ การเลือกชุดขอมูล ใชวิธีการตรวจสอบ
10 95.06 93.06
แบบไขว 10 กลุม ที่ เปน วิ ธีสุ ม เลื อ ก แลว นํ าค าความ
ถู กต อ งที่ ได ม าหาค าเฉลี่ ย นอกจากนี้ จํ านวนโหนด
ของชั้นซ อนตัวได มีการปรับคาตั้งแต 1-10 ซึ่งผลการ
ทดสอบพบวา โครงขายประสาทเที ยมที่ ได มีจํ านวน
โหนดของชั้ น ซ อ นตั ว ที่ เหมาะสม คื อ 5 ดั ง แสดงใน
ตารางที่ 1 คาความถูกต องเฉลี่ยของชุดขอมู ลสําหรับ
เรี ย นรู คื อ ร อ ยละ 95.96 ในขณะที่ คาความถู ก ต อ ง
เฉลี่ย ของชุ ดข อมู ลสํ าหรับทดสอบ คื อ รอยละ 92.78
รวมขอมูลทั้งสองชุด คาความถูกตองเฉลี่ย คือ รอยละ
95.64
จากผลการทดลองข า งต น พบว า มี ค วาม
ถูกตองสูงในการตรวจหาการผิดรูปของเมล็ดขาวฮาง
Figure 8 Samples of germinated “Hang” rice
งอก อยางไรก็ตาม ความผิดพลาดเกิดจากลักษณะการ
grains with normal shape
ผิดรูปที่ใกลเคียงกับรูปรางปกติ ดังแสดงใน Figure 10
ซึ่ ง ค า ที่ ได จ ากขั้ น ตอน การดึ ง คุ ณ ลั ก ษ ณ ะ มี ค า
การประชุมวิชาการ “มหาวิทยาลัยมหาสารคามวิจัย ครั้งที่ 14”
212 MRC#14 50 ปี มหาวิทยาลัยมหาสารคาม ‘ผู้มีปัญญา พึงเป็นอยู่เพื่อมหาชน’