บทคัดย่อ
       งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาระบบการวิเคราะห์คุณภาพของซากโคขุนพันธุ์ไทยแบล็ค ด้วยเทคโนโลยีปัญญาประดิษฐ์ และพัฒนาแอปพลิเคชั่นการวิเคราะห์คุณภาพซากโคขุนพันธุ์ไทยแบล็คสำหรับเกษตรกรและวิสาหกิจชุมชน พื้นที่ดำเนินการวิจัย คือ กลุ่มวิสาหกิจชุมชนผู้เลี้ยงโคขุนไทยแบล็คอำเภอขามทะเลสอ จังหวัดนครราชสีมา วิธีดำเนินการวิจัย นำภาพถ่ายซากเนื้อโคขุนจำนวน 20,000 รูปภาพ แบ่งภาพโดยใช้สมการทางคณิตศาสตร์ Galios Filter และใช้ ResNet50 ในการวิเคราะห์และประเมินภาพถ่ายซากโคขุนที่มีไขมันแทรก และพัฒนาแอปพลิเคชั่นแสดงผล การวิเคราะห์และประเมินผลของซากโคขุนพันธุ์ไทยแบล็คสำหรับเกษตรกรและวิสาหกิจชุมชน เครื่องมือที่ใช้ในการวิจัย ประกอบด้วย กล่องถ่ายภาพซากเนื้อโคขุน ระบบการวิเคราะห์คุณภาพของซากโคขุนพันธุ์ไทยแบล็ค แอปพลิเคชั่นการประเมินผลของซากโคขุนพันธุ์ไทยแบล็คสำหรับเกษตรกรและวิสาหกิจชุมชน แบบประเมินประสิทธิภาพระบบวิเคราะห์ซากเนื้อโคขุนพันธุ์ไทยแบล็ค และแบบประเมินความพึงพอใจการใช้งานแอปพลิเคชั่นการประเมินผลของซากโคขุนพันธุ์ไทยแบล็คสำหรับเกษตรกรและวิสาหกิจชุมชน ค่าสถิติที่ใช้ในการวิเคราะห์ความถูกต้องและความแม่นยำของอัลกอริทึม ได้แก่ ค่าอัตราการเรียนรู้ (Learning Rate) ค่าความสูญเสีย (Loss) ค่าความเที่ยง (Precision) ค่าความระลึก (Recall) ค่าความถูกต้อง (Accuracy) ค่าความถ่วงดุล (F-measure) และค่าสถิติที่ใช้ในการประเมินประสิทธิภาพและความพึงพอใจของผู้ใช้ที่มีต่อระบบ ได้แก่ ค่าเฉลี่ย ค่าร้อยละ ค่าส่วนเบี่ยงเบนมาตรฐาน  

ผลการวิจัย พบว่า

1) การทดสอบข้อมูลที่นำมาใช้ ซึ่งภาพที่ใช้เป็นชุดข้อมูลแบบฝึกหัด (Train) และชุดข้อมูลทดสอบ (Test) ในอัตราส่วน 1:10 โดยกำหนดให้มีการเรียนรู้จำนวน 22,200 รอบ เมื่อทำการทดสอบด้วยอัลกอริทึม ResNet50 โดยใช้วิธีการแบบการเรียนรู้เชิงลึก จะได้ผลลัพธ์ในแต่ละชั้นของข้อมูล เพื่อหาค่าความถูกต้องจากภาพถ่ายและค่าความคลาดเคลื่อนที่รับได้จากภาพที่มีไขมันแทรก โดยมีอัตราความถูกต้องร้อยละ 99.61 ซึ่งสูงที่สุด ตามด้วย 99.24, 96.03 ตามลำดับ แสดงว่าการทดลองแบบหลายรอบจะทำให้ได้ผลของความถูกต้องที่ไม่เกิดการกระจาย ผลลัพธ์ การทดสอบขนาดกล้องและความสูง ระยะห่างระหว่างตัวกล่อง เพื่อใช้สำหรับถ่ายภาพจากแนวตั้งและมุมสูง ซึ่งความลึก 65 มิลลิเมตร และความกว้าง 96 มิลลิเมตร โดยทำการทดสอบระยะความห่างของกล้อง เพื่อทดสอบความถูกต้องของการอ่านภาพจริง และใช้การหาค่าความสว่าง (Lumen) ได้แก่ ความสว่าง 100 Lumen ในระยะที่ 30 เมตร มีค่าทดสอบประสิทธิภาพสูงสุด คือ Precision 0.91 Recall 0.97 และ F-Measure 0.939 2) 

2) ผลการพัฒนาแอปพลิเคชั่นการประเมินผลของซากโคขุนพันธุ์ไทยแบล็คสำหรับเกษตรกรและวิสาหกิจชุมชน ประกอบด้วย กระบวนการจำแนกภาพถ่ายด้วยอัลกอริทึม Galios Filter ในการแบ่งภาพแต่ละเลเยอร์ ซึ่งมีการแบ่งสัดส่วนของรูปภาพอย่างเหมาะสม เพื่อนำไปใช้คำนวณค่าไขมันแทรกของซากโคขุนพันธุ์ไทยแบล็ค และนำมาพัฒนาแอปพลิเคชั่นบน Smart Phone จากแบบจำลองที่ถูกสร้างขึ้นจากกระบวนการเรียนรู้เชิงลึกจะถูกนำมาพัฒนาเป็นแอปพลิเคชั่น เพื่อการประมวลผลบนระบบคลาวด์ ซึ่งข้อมูลจากระบบประกอบด้วยเมนูในการใช้งาน ได้แก่ เมนูข้อมูลสมาชิก เมนูประวัติโค ผลการพิสูจน์ซาก ผลการวิเคราะห์ซาก ซึ่งเข้าผ่านเว็บไซต์ https://cos.nrru.ac.th/home/ ระบบสามารถเผยแพร่ให้กับเกษตรกรและผู้ที่เกี่ยวข้อง ได้แก่ กลุ่มสหกรณ์ผู้เลี้ยงโคขุน เพื่อให้สามารถดาวน์โหลดแอปพลิเคชั่นมาใช้งาน ตลอดจนทำการพัฒนาเป็นระบบในการติดตามผลคุณภาพของซากเนื้อโคและสามารถแจ้งราคาให้เกษตรกรได้เห็นอย่างเป็นรูปธรรม 

3) ผลการประเมินประสิทธิภาพระบบการวิเคราะห์คุณภาพของซากโคขุนพันธุ์ไทยแบล็ค ในจังหวัดนครราชสีมา ด้วยเทคโนโลยีปัญญาประดิษฐ์ในภาพรวม เรียงลำดับค่าเฉลี่ยจากมากไปหาน้อย ได้แก่ การประเมินด้านความสะดวก และง่ายต่อการใช้งานระบบ (Usability Test) อยู่ในระดับมาก ( X = 3.80; S.D. = 0.50) รองลงมาอันดับที่ 2 ได้แก่ การประเมินความเหมาะสมในหน้าที่การทำงานของโปรแกรม (Function Requirement Test) อยู่ในระดับมาก (X = 3.75; S.D. = 0.66) อันดับที่ 3 ได้แก่ การประเมินความคิดเห็นด้านความถูกต้องในการทำงานโปรแกรม (Functional Test) อยู่ในระดับมาก ( X = 3.60; S.D. = 0.53) และอันดับที่ 4 ได้แก่ ความคิดเห็นด้านการรักษาความปลอดภัยของระบบงาน (Security Test) อยู่ในระดับมาก ( X = 3.53; S.D. = 0.91) โดยภาพรวมอยู่ในระดับมากเท่ากับ (X = 3.67; S.D. = 0.75) ผลประเมินความพึงพอใจการใช้งานแอปพลิเคชั่นการประเมินผลของซากโคขุนพันธุ์ไทยแบล็คสำหรับเกษตรกรและวิสาหกิจชุมชนในภาพรวม เรียงลำดับค่าเฉลี่ยจากมากไปหาน้อย ได้แก่ ด้านการออกแบบแอปพลิเคชั่น อยู่ในระดับมาก ( X = 4.16; S.D. = 0.65) รองลงมาอันดับที่ 2 ได้แก่ การประเมินด้านกราฟิกและคุณภาพการใช้งาน อยู่ในระดับมาก (X = 4.15; S.D. = 0.71) อันดับที่ 3 ได้แก่ การประเมินด้านตัวอักษรและการจัดรูปแบบข้อความ อยู่ในระดับมาก ( X = 4.10; S.D. = 0.51) และอันดับที่ 4 ได้แก่ การประเมินด้านการรายงานผลข้อมูลกับเกษตรกรและวิสาหกิจชุมชน อยู่ในระดับมาก ( X = 4.06; S.D. = 0.79) โดยภาพรวมอยู่ในระดับมากเท่ากับ ( X = 4.12; S.D. = 0.66) 

Abstract

The development of the carcass quality analytic system of Thaiblack cattle in Nakhonratchasima using artificial intelligence aims to 1) develop the carcass quality analytic system of Thaiblack cattle using artificial intelligence and 2) develop the carcass quality analytic application system of Thaiblack cattle for farmers and community enterprises. This research area is Thaiblack cattle in Nakhonratchasima community enterprise and then the image system of Thaiblack cattle process of 20,000 pictures for analyzing data. Dividing an image with a mathematical equation by Galios filter and ResNet50 for analysis to assess Thaiblack cattle for farmers and community enterprises. This is the research instrument using the PhotoBox to take a photo of Thaiblack cattle, developing the carcass quality analytic system of Thaiblack cattle, the carcass quality analytic application system of Thaiblack cattle for farmers and community enterprises, the assessment performance questionnaire, and satisfaction questionnaire to assess the carcass quality analytic system for farmers and community enterprises. The statistics of assessed performance and satisfaction to the user system are mean, percentage, and standard deviation for accuracy and precision algorithms (e.g., learning rate, loss, precision, recall, accuracy, F-measure).
The result shows that 

1) testing data quality can be improved by using data set train and test data set in a ratio of 1:10 from 22,200 learning cycles tested with the RestNet50 algorithm by deep learning. This resulted in data layer accuracy from images and an error rate from marbling an accuracy of 99.61 at high level, 99.24, and 96.03 respectively. Then, the learning rate of several tests whose accuracy results are not distributed. This resulted in camera size and high range. The range between vertical camera and high angle at depth of 65 mm. and width of 96 mm. from the test range camera for testing real images from 20–40 cm. and found the light using warm light from 100 lumens at 30 m. Therefore, the efficiency for testing of precision is 0.91, recall is 0.97, and F-Measure is 0.939 at a high level.
2) The result shows that we develop the carcass quality analytic application system of Thaiblack cattle for farmers and community enterprises, including the process of dividing an image with an algorithm by Galios filter into layers, which an appropriate proportion of the image. Then, you can compute marbling for Thaiblack cattle and create a smartphone application using a deep learning model and a cloud computing process. The process menu data are data member, data Thaiblack cattle,
result carcass, and analysis carcass, which can be found on the website https://cos.nrru.ac.th/home/. The system can publish to farmers and others (e.g.,cooperative group Thaiblack cattle), then monitor the quality of carcass Thaiblack cattle and announce the cost to farmers using a download application.
3) The results of the efficiency evaluation of the carcass quality analytic system of Thaiblack cattle in Nakhonratchasima with artificial intelligence. Which, the result arrange descending are usability test ( X = 3.80; S.D. = 0.50) at high level. The second is function requirement test (X = 3.75; S.D. = 0.66) at high level. The third is functional test ( X = 3 . 6 0 ; S. D. = 0. 5 3 ) at high level. The fourth is security test ( X = 3 . 5 3 ; S.D. = 0.91) Then, arrange by (1-4) equal to (X = 3.67; S.D. = 0.75) at high level. The results of the satisfaction evaluation of the carcass quality analytic application system of Thaiblack cattle for farmers and community enterprises Which, the result arrange descending are design application ( X = 4. 16; S. D. = 0. 65) at high level. The second is graphic and quality of use (X = 4.15; S.D. = 0.71) at high level. The third is assessment text and type of text (X = 4.10; S.D. = 0.51) at high level. The fourth is report of data with farmers and community enterprises (X = 4.06; S.D. = 0.79) Then, arrange by (1-4) equal to (X = 4.12; S.D. = 0.66) at high level.

ผลลัพธ์การวิจัย

รางวัลเหรียญทอง ประเภทนวัตกรรมด้านเทคโนโลยีปัญญาประดิษฐ์
🥇รางวัลเหรียญทอง ประเภทนวัตกรรมด้านเทคโนโลยีปัญญาประดิษฐ์ ในการประกวดนวัตกรรม เทคโนโลยี และงานวิจัยรับใช้สังคม ในงานประชุมวิชาการระดับชาติและนานาชาติ ราชภัฏวิจัย ครั้งที่ 7 (The 7th Rajabhat University National and International Research and Academic Conference) ระหว่างวันที่ 14 – 16 พฤศจิกายน พ.ศ. 2566 ณ มหาวิทยาลัยราชภัฏสกลนคร
🥇Gold Medal Award for Artificial Intelligence Innovation at the 7th Rajabhat University National and International Research and Academic Conference, which took place on November 14-16, 2023, at Sakon Nakhon Rajabhat University.

วันที่ 14-16 มกราคม 2566
📅 January 14-16, 2023