Page 31 - วิศวกรรมสาร ปีที่ 78 ฉบับที่ 2 เมษายน - มิถุนายน 2568
P. 31

ปลอดหมอก มองชัด ปลอดภัยกว่า: การพัฒนาโครงข่ายประสาทเทียม

                                                  สำาหรับกำาจัดหมอกเพื่อเพิ่มความปลอดภัยในระบบขนส่งทางราง























                                                                                       4.2 การวัดประสิทธิภาพ
                     รูปที่ 6 ตัวอย่างที่ 1 ผลการทดลองของชุดข้อมูลบรรยากาศของประเทศไทย
                                                                                             ความแม่นย�าในการ
                                                                                             ตรวจจับวัตถุบนราง
                                                                                             รถไฟโดยเปรียบเทียบ
                                                                                             จากภาพที่ถูกก�าจัด

                                                                                             หมอกและภาพที่
                                                                                             ไม่มีหมอก
                                                                                     ในการทดลองนี้ได้ใช้ภาพถ่ายที่มี
                                                                                   หมอกในสถานการณ์จริงจากกรณี
                                                                                   ศึกษาประเทศอินเดีย ซึ่งเป็นสภาพ
                                                                                   แวดล้อมที่พบได้บ่อยในระบบรถไฟจริง
                     รูปที่ 7 ตัวอย่างที่ 2 ผลการทดลองของชุดข้อมูลบรรยากาศของประเทศไทย  การก�าจัดหมอกภายใต้สภาวะแสงน้อย
                                                                                   ถือเป็นโจทย์ที่ท้าทายส�าหรับนักพัฒนา
                                                                                   โมเดลโครงข่ายประสาทเทียมแบบคอน

                                                                                   โวลูชัน เนื่องจากปัญหาหลักไม่ใช่เพียง
                                                                                   แค่ลดหมอกให้ภาพชัดเจน แต่ยังต้อง
                                                                                   คงรายละเอียดที่ส�าคัญของวัตถุส�าหรับ
                                                                                   การตรวจจับให้ครบถ้วน ส�าหรับการ
                                                                                   ทดสอบนี้ ได้เลือกใช้โมเดล Faster

                                                                                   R-CNN [19] ซึ่งเป็นโมเดลตรวจจับวัตถุ
                                                                                   ที่มีจุดเด่นด้านความเร็วและความ
                     รูปที่ 8 ตัวอย่างที่ 3 ผลการทดลองของชุดข้อมูลบรรยากาศของประเทศไทย  แม่นย�าในการตรวจจับสูง เพื่อประเมิน
                                                                                   ประสิทธิภาพของการก�าจัดหมอกที่
                                                                                   พัฒนา ผลการทดลองเปรียบเทียบภาพ
                                                                                   ที่ผ่านการก�าจัดหมอกกับภาพที่ไม่ได้

                                                                                   ก�าจัดหมอก โดยวัดประสิทธิภาพจาก
                                                                                   ค่าระดับความมั่นใจ (Confidence
                                                                                   Score) ของการจ�าแนกวัตถุ และการ
                                                                                   วิเคราะห์จาก Confusion Matrix เพื่อ
                                                                                   ตรวจสอบความถูกต้องของการตรวจ

                                                                                   จับวัตถุ
                     รูปที่ 9 ตัวอย่างที่ 4 ผลการทดลองของชุดข้อมูลบรรยากาศของประเทศไทย



             วิศวกรรมสาร l ปีที่ 78 ฉบับที่ 2 เมษายน - มิถุนายน 2568                                        31
   26   27   28   29   30   31   32   33   34   35   36