Publication: SaapFood Cam: แอปพลิเคชันการรู้จําอาหารไทยอีสาน โดยภาพถ่ายจากอุปกรณ์พกพา
8
0
Issued Date
2019
Resource Type
Language
tha
File Type
application/pdf
Access Rights
open access
Rights
ผลงานนี้เผยแพร่ภายใต้ สัญญาอนุญาตครีเอทีฟคอมมอนส์แบบ แสดงที่มา-ไม่ใช้เพื่อการค้า-ไม่ดัดแปลง 4.0 (CC BY-NC-ND 4.0)
Rights Holder(s)
มหาวิทยาลัยศรีนครินทรวิโรฒ
Suggested Citation
วิมนศิณี ยวนใจ, สลิลทิพย์ นิลประยูร, ฉัตรรวี สังข์ทอง (2019). SaapFood Cam: แอปพลิเคชันการรู้จําอาหารไทยอีสาน โดยภาพถ่ายจากอุปกรณ์พกพา. สืบค้นจาก: https://hdl.handle.net/20.500.14740/3926
Alternative Title(s)
SaapFood Cam: A Thai-Isan Food Recognition Mobile Application
Advisor(s)
Organization
Abstract
งานวิจัยเรื่องนี้มีวัตถุประสงค์เพื่อพัฒนาแอปพลิเคชันที่มีชื่อว่า 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
ต่อยอดไปถึงการตรวจจับความเค็มโดยดูจากสีอาหารได้ในอนาคตอีกด้วย