Chulalongkorn University Theses and Dissertations (Chula ETD)
Other Title (Parallel Title in Other Language of ETD)
Application development for durian ripeness classification from the knocking sounds using convolutional neural network
Year (A.D.)
2019
Document Type
Thesis
First Advisor
มานพ วงศ์สายสุวรรณ
Faculty/College
Faculty of Engineering (คณะวิศวกรรมศาสตร์)
Department (if any)
Department of Electrical Engineering (ภาควิชาวิศวกรรมไฟฟ้า)
Degree Name
วิศวกรรมศาสตรมหาบัณฑิต
Degree Level
ปริญญาโท
Degree Discipline
วิศวกรรมไฟฟ้า
DOI
10.58837/CHULA.THE.2019.1229
Abstract
ทุเรียนเป็นหนึ่งในผลไม้ที่ได้รับความนิยมในการบริโภคภายในประเทศไทย การตรวจสอบความสุกของทุเรียนเป็นสิ่งสำคัญสำหรับการซื้อขายในตลาดผลไม้และการส่งออก การตรวจสอบความสุกทุเรียนสามารถตรวจสอบได้หลายวิธี ในวิทยานิพนธ์เล่มนี้ใช้วิธีเคาะและฟังเสียงเพื่อบอกความสุก ปกติการฟังเสียงจำเป็นต้องอาศัยผู้เชี่ยวชาญในการฟัง ดังนั้นจึงได้ออกแบบแอปพลิเคชันจำแนกความสุกผลทุเรียนจากเสียงเคาะโดยใช้โครงข่ายประสาทคอนโวลูชัน การเก็บข้อมูลเสียงเคาะทุเรียนได้รับคำแนะนำจากพ่อค้าคนกลางในจังหวัดจันทบุรีและบอกว่าทุเรียนที่เคาะมีความสุกในระดับใด การเก็บข้อมูลเสียงใช้ตัวอย่างทุเรียนพันธุ์หมอนทองจำนวน 30 ลูก แบ่งออกเป็น 3 กลุ่มตามระดับความสุก ได้แก่ ทุเรียนสุก ทุเรียนสุกปานกลาง และทุเรียนไม่สุก กลุ่มละ 10 ลูก จากนั้นนำเสียงเคาะมาเพื่อแยกชุดข้อมูลเสียงสำหรับการเรียนรู้ ความยาวเสียงประมาณ 0.3 วินาที หรือความยาวที่ครอบคลุมเสียงเคาะหนึ่งครั้ง กระบวนการเรียนรู้ใช้การกระบวนการเรียนรู้เชิงลึกแบบคอนโวลูชัน (CNN) และกระบวนการการสกัดคุณลักษณะของเสียงด้วยสัมประสิทธิ์เมลฟรีเคว็นซีเซปสตรอล (MFCC) จากการทดลองพบว่าค่าความถูกต้องของแบบจำลองมีความถูกต้อง 90.78% สำหรับชุดข้อมูลตรวจสอบความถูกต้อง และความถูกต้อง 89.47% สำหรับชุดข้อมูลทดสอบ เมื่อได้แบบจำลองแล้วนำไปใช้ในแอปพลิเคชันบนสมาร์ทโฟน เพื่อสะดวกต่อการใช้งานของผู้บริโภคและชาวสวนทุเรียน การออกแบบแอปพลิเคชันเป็นการส่งข้อมูลผ่านระบบ HTTP Protocol ที่อยู่ในรูปแบบเอพีไอ
Other Abstract (Other language abstract of ETD)
Durian is one of the most popular fruits in Thailand. Checking the ripeness of durian is important for trading in the fruit market and exporting. Durian ripeness examination can be checked in many ways. In Thailand, a common method is knocking a few times using a rubber-tipped stick. In this thesis, the method of knocking and listening is used to tell the ripeness. Normally, listening to sound requires an expert listening. Therefore, an application was made to identify the ripeness of durian from knocking sound by using the convolution neural network. Durian knocking data was suggested by a middleman in Chanthaburi province and told how ripe the durian was ripened. The sound data was collected by using 30 Mon-Tong durian, and divided into 3 groups: ripe, mid-ripe, and unripe. bring the knocking sound to separate the sound data set (0.3 seconds of each durian knocking sound interval) for learning. Our method applies the convolutional neural network (CNN) and Mel-frequency cepstral coefficient spectrogram (MFCC) to classify the durian sound. The experimental results of our model shows an accuracy around 90.78% of validation data and 89.47% of testing data. And we apply the model to use on smartphone application. The application design communication using HTTP protocol and create API system for user
Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-No Derivative Works 4.0 International License.
Recommended Citation
คาระมาตย์, เวียงชัย, "การพัฒนาแอปพลิเคชันจำแนกความสุกผลทุเรียนจากเสียงเคาะโดยใช้โครงข่ายประสาทคอนโวลูชัน" (2019). Chulalongkorn University Theses and Dissertations (Chula ETD). 9605.
https://digital.car.chula.ac.th/chulaetd/9605