การคัดแยกเกรดยางพาราแผ่นรมควันโดยใช้วิธีการประมวลผลด้วยภาพ

Abstract

ยางพาราถือเป็นพืชเศรษฐกิจที่สำคัญอย่างหนึ่งของประเทศไทย เพื่อให้ได้มาซึ่งผลิตภัณฑ์ที่มีคุณภาพต้องผ่านกระบวกการผลิตในภาคอุตสาหกรรมในหลายขั้นตอน ในปัจจุบันขั้นตอนการคัดแยกเกรดยางพาราโดยไม่มีการนำเทคโนโลยีใดที่จะนำมาใช้ทดแทนผู้เชี่ยวชาญในการแบ่งเกรดยางพาราแผ่นรมควัน ในการคัดแยกโดยใช้สายตาของมนุษย์มีโอกาสเกิดความผิดพลาดขึ้นได้สูง เนื่องจากช่วงสายตาของมนุษย์ในแต่ละบุคคลไม่เท่ากัน วิทยานิพนธ์ฉบับนี้เป็นการศึกษาการคัดแยกเกรดมาตรฐานยางพาราแผ่นรมควัน โดยนำเทคนิคการประมวลผลทางภาพมาช่วยในการคัดแยกโดยสกัดสิ่งสกปรกบนแผ่นยางจากภาพ ขั้นตอนแรกภาพแผ่นยางจะถูกเปลี่ยนเป็นภาพระดับสีเทา จำนวน 4 รูปแบบ จากช่องสัญญาณ สีแดง (R) สีเขียว (G) สีน้าเงิน (B) และ สีเทา (Gray) เพื่อใช้เป็นตัวแทนของสกัดคุณลักษณะเด่น จากนั้นนำภาพระดับสีเทาผ่านกระบวนการเปลี่ยนเป็นภาพขาวดำเพื่อวิเคราะห์สิ่งสกปรก การทดลองใช้ภาพยางพาราแผ่นรมควันขนาดกว้าง 46 เซนติเมตร ความยาว 90 เซนติเมตร และความหนา 3 มิลลิเมตร ระดับพิกเซล 591x1141 พิกเซล จำนวน 94 แผ่นในการทดสอบเพื่อตรวจสอบความถูกต้องในการคัดแยกเกรดยางพาราแผ่นรมควัน จากผลการทดลองแสดงให้เห็นว่าที่ภาพที่ถูกแปลงด้วยระดับสี G สามารถคัดเกรดได้ดีที่สุดโดยค่าความถูกต้องคิดเป็นร้อยละของการคัดเกรด ยางแผ่นรมควันชั้น 1 (RSS1) ยางแผ่นรมควันชั้น 2 (RSS2) ยางแผ่นรมควันชั้น 3 (RSS3) ยางแผ่นรมควันชั้น 4 (RSS4) และ ยางแผ่นรมควันชั้น 5 (RSS5) มีค่าเป็น 62.5% 42.86% 31.58% 50% และ 72.73% ตามลำดับ

The rubber is considered to be one important economic plant of Thailand. To achieve high quality product, it needs to follow through many steps of production process in the industrial sector. Nowadays, the classification procedure of rubber grades does not have any technology that can replace specialists for classifying rubber smoked sheets (RSS). Classification by human eye is prone to high chance of errors because of the fluctuation of eyesight of specialists. The objective of the thesis is to study the classification of ribbed smoked sheets (RSS) by utilizing the image processing technique to extract the feature from the images. In the first step, the image of the ribbed sheet will be turned into the gray-scale image. After that, the gray-scale images obtained from each indexed image (R, G, B and Gray) will be changed to the binary images for analysis of dirt on the ribbed sheet. In the experimental result, 94 sample images of the ribbed smoked sheets with size of 46-cm width and 90-cm long and 3-mm thick, converted to image with 591 x 1141-pixels, are used for testing the accuracy by percentage of grade classification of ribbed smoked sheets (RSS). The experimental results show that the binary image, transformed from G index, is the best for grade classification and its accuracy of the RSS1, RSS2, RSS3, RSS4 and RSS5 grades are 62.5%, 42.86%, 31.58%, 50% and 72.73%, respectively.