กรุณาใช้ตัวระบุนี้เพื่ออ้างอิงหรือเชื่อมต่อรายการนี้:
https://buuir.buu.ac.th/xmlui/handle/1234567890/17464ระเบียนเมทาดาทาแบบเต็ม
| ฟิลด์ DC | ค่า | ภาษา |
|---|---|---|
| dc.contributor.author | ประจักษ์ จิตเงินมะดัน | |
| dc.date.accessioned | 2025-06-23T04:01:02Z | |
| dc.date.available | 2025-06-23T04:01:02Z | |
| dc.date.issued | 2566 | |
| dc.identifier.uri | https://buuir.buu.ac.th/xmlui/handle/1234567890/17464 | |
| dc.description.abstract | ในอุตสาหกรรมและเทคนิคการผลิตสมัยใหม่ การบำรุงรักษาที่รวดเร็วและแม่นยำเป็นแนวคิดที่สำคัญ มีหลายแนวทางที่ตอบสนองข้อกำหนดเหล่านี้ รวมถึงเทคโนโลยีความจริงเสริม (Augmented Reality หรือ AR) เทคโนโลยี AR ร่วมกับเทคนิคการตรวจจับวัตถุแบบเรียลไทม์ นำเสนอวิธีแก้ปัญหาที่เป็นไปได้ในการปรับปรุงและเปลี่ยนแปลงเทคนิคการบำรุงรักษาในอนาคตอันใกล้ เพื่อหาโมเดล AI ที่เหมาะสมที่สุดสำหรับวัตถุประสงค์นี้ การศึกษานี้ได้เปรียบเทียบโมเดล YOLOv5, Resnet50 และ SSD MobileNet ที่ผ่านการฝึกฝนมาแล้วในการตรวจจับองค์ประกอบของ PLCnext โดยใช้ภาพ 960 ภาพสำหรับการฝึกฝนและทดสอบ โมเดลต่าง ๆ ได้รับการฝึกฝนและทดสอบ โดยเน้นถึงความสามารถในการทำงานแบบเรียลไทม์ ผลการศึกษาแสดงให้เห็นว่าโมเดล YOLOv5 ที่ผ่านการฝึกฝนมาแล้วเป็นโมเดลที่ดีที่สุดในการเพิ่มประสิทธิภาพการตรวจสอบแบบอินเตอร์แอคทีฟ ลดเวลาการหยุดทำงาน และเพิ่มประสิทธิภาพในสภาพแวดล้อมอุตสาหกรรม อีกทั้งยังเหมาะสำหรับการพัฒนาแอปพลิเคชัน AR ในระบบอัตโนมัติ 4.0 หลังจากได้รับการฝึกฝนด้วยภาพที่จำเป็น | th_TH |
| dc.language.iso | th | th_TH |
| dc.publisher | คณะวิทยาการสารสนเทศ มหาวิทยาลัยบูรพา | th_TH |
| dc.subject | ความเป็นจริงเสริม | th_TH |
| dc.subject | ปัญญาประดิษฐ์ -- การใช้ในอุตสาหกรรม | th_TH |
| dc.title | การประยุกต์ใช้งานความเป็นจริงเสริมในงานด้านอุตสาหกรรมอัตโนมัติ (ระยะที่ 1) | th_TH |
| dc.title.alternative | Applied augmented reality for industrial automation (Phase 1) | th_TH |
| dc.type | Research | th_TH |
| dc.year | 2566 | th_TH |
| dc.description.abstractalternative | In the modern industries and manufacturing techniques, quick and precise maintenance is a vital concept Several approaches fulfill these requirements, including the Augmented Reality (AR) technology The AR technology, combined with real-time object detection techniques, offers a possible solution to improve and disrupt the maintenance techniques in the near future For finding the most suitable AI model for this purpose, this study compared the pre-trained YOLOv5, Resnet50, and SSD MobileNet models in detecting PLCnext components Using 960 images for training and testing purposes, the models were trained and tested, highlighting their real-time capabilities The results show that the pre- trained YOLOv5 model is the best to enhance interactive monitoring, minimize downtime, and boost efficiency in industrial settings and suitable for AR application development in automation 40 after being trained with required images | th_TH |
| ปรากฏในกลุ่มข้อมูล: | รายงานการวิจัย (Research Reports) | |
แฟ้มในรายการข้อมูลนี้:
| แฟ้ม | รายละเอียด | ขนาด | รูปแบบ | |
|---|---|---|---|---|
| 2569-025.pdf | 4.78 MB | Adobe PDF | ดู/เปิด |
รายการทั้งหมดในระบบคิดีได้รับการคุ้มครองลิขสิทธิ์ มีการสงวนสิทธิ์เว้นแต่ที่ระบุไว้เป็นอื่น