กรุณาใช้ตัวระบุนี้เพื่ออ้างอิงหรือเชื่อมต่อรายการนี้:
https://buuir.buu.ac.th/xmlui/handle/1234567890/17498
ชื่อเรื่อง: | การประยุกต์เทคโนโลยีภูมิสารสนเทศกับปัญญาประดิษฐ์พัฒนาระบบตรวจจับจำแนกวัตถุเชิงพื้นที่สำหรับตรวจสอบการจราจรบริเวณเทศบาลเมืองแสนสุข |
ชื่อเรื่องอื่นๆ: | Application of geoinformatics technology and artificial intelligence to develop a spatial object classification and detection system for traffic inspection in the Saensuk municipality area |
ผู้แต่ง/ผู้ร่วมงาน: | กฤษณะ อิ่มสวาสดิ์ |
คำสำคัญ: | การวิเคราะห์ข้อมูลระยะไกล จราจร ภาพถ่ายทางอากาศ ระบบสารสนเทศทางภูมิศาสตร์ |
วันที่เผยแพร่: | 2567 |
สำนักพิมพ์: | คณะภูมิสารสนเทศศาสตร์ มหาวิทยาลัยบูรพา |
บทคัดย่อ: | การพัฒนาระบบตรวจจับจำนวนและจำแนกประเภทยานพาหนะจากกล้องวงจรปิด โดยใช้ เทคนิคการเรียนรู้โครงข่ายประสาทเทียมเชิงลึกแบบคอนโวลูชันและสร้างแบบจำลองแผนที่การจราจรบนถนน ในเขตเทศบาลเมืองแสนสุข จังหวัดชลบุรี ปัญญาประดิษฐ์มีบทบาทสำคัญในระบบขนส่งอัจฉริยะ (ITS) และการเฝ้าระวังการจราจรที่มีอัตราการเติบโตของยานพาหนะเพิ่มขึ้นอย่างรวดเร็ว โครงสร้างพื้นฐานการเฝ้าระวังการตรวจจับจากกล้องวงจรปิด ในวิจัยนี้นำโครงข่ายประสาทเทียมเชิงลึก YOLOV8 มาใช้วิเคราะห์การเรียนรู้ประเภทยานพาหนะทั้ง 12 ประเภท การจำแนกได้เปรียบเทียบสัดส่วนค่าความถูกต้องของการจำแนกภาพจากการคาดการณ์และภาพจริง Confusion Matrix ของการจำแนกยานพาหนะมีค่าความถูกต้องอยู่ในช่วงระหว่าง 0.68 –1 โดยประเภทรถอเนกประสงค์ประเภทครอบครัน (SUV), รถอเนกประสงค์ที่มีพื้นฐานและดัดแปลงมาจากรถกระบะ (PPV) และรถอเนกประสงค์ค์ที่มามารถนั่งได้ประมาณ 5 - 7 คน (MPV) มีค่าระหว่าง 0.68 - 0.78 หรือประมาณ 68 – 78 เปอร์เซ็นต์ ส่วนรถมอเตอร์ไซด์พ่วงข้าง (Sidecar), รถบรรทุก (truck), รถกระบะ (pick-up), รถยนต์นั่งส่วนบุคคล 4 ที่นั่ง (sedan), รถมอเตอร์ไซด์ (Motorcycle), รถตู้ (van) และ รถประจำทาง (Bus) มีค่าในช่วง 0.87 – 0.90 หรือประมาณ 87 – 90 เปอร์เซ็นต์ ประเภทรถกระบะขนส่งตู้ทึบ (Solidbox pick-up) และรถสองแถว (Songthaew) มีค่าระหว่าง 0.91 – 1.00 หรือประมาณ 91 – 100 เปอร์เซ็นต์ โดยการจำแนกประเภทยานพาหนะมีระดับคüามแม่นยำเฉลี่ยประมาณ 80 เปอร์เซ็นต์ ค่า mAP50 เฉลี่ยรüมทุกประเภทยานพาหนะอยู่ที่ประมาณ 86 เปอร์เซ็นต์ และค่า mAP50-95 เฉลี่ย รวมทุกประเภทยานพาหนะอยู่ที่ประมาณ 70 เปอร์เซ็นต์ การสร้างแพลตฟอร์มสำหรับการจำแนกและติดตามยานพาหนะบนถนนมีรูปแบบที่แตกต่างกัน เพื่อทดสอบการจำแนกความถูกต้องแม่นยำของ แบบจำลองการจำแนกยานพาหนะ เพื่อติดตามนับจำนวนยานพาหนะบนการจราจรแบบตามเวลาจริง จากกล้องวงจรปิด และพัฒนาวิธีการทำแผนที่มุมมองย้อนกลับแบบผสมผสานจากภาพถ่ายจากดาวเทียมและภาพจากกล้องวงจรปิด เพื่อพัฒนาแผนที่แบบจำลองการจราจรบนถนนบูรณาการเทคโนโลยีปัญญาประดิษฐ์รับฝึกสอนข้อมูลให้สามารถจดจำ เรียนรู้ประเภทของยานพาหนะเพื่อสร้างแบบจำลองการตรüจจับ การจำแนกและประยุกต์บนข้อมูลภูมิสารสนเทศในรูปแบบแผนที่ โดยค่าความถูกต้องของการจำแนกและค่าความแม่นยำของตำแหน่งยานพาหนะมีค่าเฉลี่ย 85 – 90 เปอร์เซ็นต์ ของแผนที่แบบจำลองการจราจรขึ้นอยู่กับมุมมองกล้องวงจรปิด ความสูง รายละเอียดภาพและ การวางจุดอ้างอิงบนภาพ |
รายละเอียด: | งานวิจัยนี้ได้รับทุนสนับสนุนจากงบประมาณเงินรายได้ ประจำปีงบประมาณ 2566 คณะภูมิสารสนเทศศาสตร์ มหาวิทยาลัยบูรพา. |
URI: | https://buuir.buu.ac.th/xmlui/handle/1234567890/17498 |
ปรากฏในกลุ่มข้อมูล: | รายงานการวิจัย (Research Reports) |
แฟ้มในรายการข้อมูลนี้:
แฟ้ม | รายละเอียด | ขนาด | รูปแบบ | |
---|---|---|---|---|
2569-074.pdf | 10.34 MB | Adobe PDF | ดู/เปิด |
รายการทั้งหมดในระบบคิดีได้รับการคุ้มครองลิขสิทธิ์ มีการสงวนสิทธิ์เว้นแต่ที่ระบุไว้เป็นอื่น