Please use this identifier to cite or link to this item: https://ir.swu.ac.th/jspui/handle/123456789/10051
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorนุวีย์ วิวัฒนวัฒนาth_TH
dc.contributor.authorวิมนศิณี ยวนใจth_TH
dc.contributor.authorสลิลทิพย์ นิลประยูรth_TH
dc.contributor.authorฉัตรรวี สังข์ทองth_TH
dc.date.accessioned2020-10-02T05:08:49Z-
dc.date.available2020-10-02T05:08:49Z-
dc.date.issued2562-
dc.identifier.urihttps://ir.swu.ac.th/jspui/handle/123456789/10051-
dc.description.abstractงานวิจัยเรื่องนี้มีวัตถุประสงค์เพื่อพัฒนาแอปพลิเคชันที่มีชื่อว่า SaapFood Cam ที่สามารถใช้ในการรู้จํา อาหารไทยอีสานในชีวิตประจําวันจากภาพถ่ายโดยโทรศัพท์มือถือบนระบบปฏิบัติการแอนดรอยด์ (Android) ได้ เนื่องจากในปัจจุบันการรับประทานอาหารนั้นถือได้ว่าเป็นปัจจัยที่ส่งผลโดยตรงต่อสุขภาพของมนุษย์ ทางผู้วิจัยจึง ได้นําเทคนิคการทํา Food Recognition โดยเทคนิคการเรียนรู้ของเครื่อง Deep Learning และ Convolutional Neural Network (CNN) มาช่วยในการสร้างแบบจําลองเพื่อทํานายรูปภาพอาหาร ผู้วิจัยใช้ฐานข้อมูลที่ประกอบ ไปด้วยอาหารอีสานจํานวน 44 อย่าง ชื่อว่า ISANTHFOOD-44 ในการฝึกฝนแบบจําลอง โดยรวบรวมรูปภาพ อาหารมาจากโครงการมณี มหาวิทยาลัยขอนแก่นและจาก search engine ผู้ใช้งานสามารถถ่ายรูปอาหารจาก โทรศัพท์มือถือผ่านแอปพลิเคชันเพื่อให้แอปพลิเคชันนํารูปภาพไปประมวลผลกับแบบจําลองและระบุว่าอาหารนั้น คืออาหารอะไรได้ ผลการฝึกฝนและทดลองของงานวิจัยนี้พบว่าจากการฝึกฝนทั้งหมด 3 แบบจําลอง ประกอบด้วย InceptionV3 ResNet50 และ MobileNetV2 แบบจําลอง ResNet50 ให้ค่าความแม่นยําที่ดีที่สุด (Top1- accuracy) อยู่ที่ 97.25% และให้ค่าความแม่นยําของการทํานายที่ปรากฎอยู่ในการทํานาย 5 อันดับแรก (Top5- accuracy) ที่ดีที่สุดอยู่ที่ 99.04% แบบจําลอง InceptionV3 ให้ค่าความแม่นยํา (Top1-accuracy) อยู่ที่ 97.23% และให้ค่าความแม่นยําของการทํานายที่ปรากฎอยู่ในการทํานาย 5 อันดับแรก (Top5-accuracy) อยู่ที่ 98.93% และแบบจําลองสุดท้าย MobileNetV2 ให้ค่าความแม่นยํา (Top1-accuracy) อยู่ที่ 96.88% และให้ค่า ความแม่นยําของการทํานายที่ปรากฎอยู่ในการทํานาย 5 อันดับแรก (Top5-accuracy) อยู่ที่ 98.86% โดย งานวิจัยนี้สามารถนําไปต่อยอดในอนาคตได้ เช่น การนําชื่ออาหารที่ได้ไปแสดงรายละเอียดดต่างๆให้แก่ผู้ใช้ได้ ทราบข้อมูล อาทิ แคลอรี่ของอาหารระดับความเค็มหรือความหวานโดยทั่วไปของอาหาร เป็นต้น และยังสามารถ ต่อยอดไปถึงการตรวจจับความเค็มโดยดูจากสีอาหารได้ในอนาคตอีกด้วยth_TH
dc.language.isothth_TH
dc.publisherสาขาวิชาวิทยาการคอมพิวเตอร์ มหาวิทยาลัยศรีนครินทรวิโรฒth_TH
dc.subjectการรู้จําth_TH
dc.subjectอาหารไทยอีสานth_TH
dc.subjectแอปพลิเคชันth_TH
dc.subjectSaapFood Camth_TH
dc.subjectFood Recognitionth_TH
dc.subjectMobile Applicationth_TH
dc.titleSaapFood Cam: แอปพลิเคชันการรู้จําอาหารไทยอีสาน โดยภาพถ่ายจากอุปกรณ์พกพาth_TH
dc.title.alternativeSaapFood Cam: A Thai-Isan Food Recognition Mobile Applicationth_TH
dc.typeWorking Paperth_TH
Appears in Collections:ComSci-Senior Projects

Files in This Item:
File Description SizeFormat 
Sci_R_Wimonsinee_Y.pdf
  Restricted Access
Report4.54 MBPDFView/Open Request a copy


Items in SWU repository are protected by copyright, with all rights reserved, unless otherwise indicated.