การพัฒนาต้นแบบ In situ info. เพื่อใช้งานบนอากาศยานไร้คนขับขนาดเล็ก

Abstract

ในปัจจุบันมีการนำระบบปัญญาประดิษฐ์เข้ามาช่วยวิเคราะห์ภาพถ่ายจากกล้องระยะไกลที่ติดอยู่บนอากาศยานไร้คนขับ (Unmanned Aerial Vehicle: UAV) สำหรับใช้ในการสำรวจพื้นที่ปลูกพืชเสพติดในพื้นที่ต่าง ๆ เช่น แปลงปลูกพืชบนที่ราบสูง บริเวณหุบเขาหรือที่ทุรกันดาร อีกทั้งยังสามารถประมวลผลภาพถ่ายได้ใกล้เคียงกับเวลาจริงที่ระบบปัญญาประดิษฐ์ตรวจจับได้ ทำให้สามารถค้นหาเป้าหมายที่ต้องการได้อย่างชัดเจนมากขึ้น ทั้งนี้ในบทความวิชาการนี้เป็นการศึกษาระบบปัญญาประดิษฐ์ตรวจจับพืชเสพติดบนอากาศยานไร้คนขับขนาดเล็ก (Small Unmanned Aerial Vehicle) โดยการประมวลผลและวิเคราะห์ภาพถ่ายจากกล้องบนระบบอากาศยานขนาดเล็กนี้จะทำงานทันทีตามเวลาที่เกิดขึ้นจริง ซึ่งผลลัพธ์ที่ได้ทั้งหมดจะทำงานบนอุปกรณ์ที่ติดบนอากาศยานไร้คนขับขนาดเล็กหรือเรียกระบบนี้ว่า “In situ info.” และเป้าหมายของระบบนี้ได้แบ่งการทำงานออกเป็น 3 ส่วน คือ การประกอบรวมของระบบปัญญาประดิษฐ์ขั้นต้น ต้นแบบระบบปัญญาประดิษฐ์ตรวจจับพืชเสพติดบนอากาศยานไร้คนขับขนาดเล็กและทดสอบต้นแบบระบบปัญญาประดิษฐ์บนอากาศยานไร้คนขับขนาดเล็กในสถานที่จริง ในบทความนี้จะเป็นการกล่าวถึงการประกอบรวมของระบบปัญญาประดิษฐ์ขั้นต้นเท่านั้น เนื่องจากการวิเคราะห์ผลของข้อมูลบนระบบอากาศยานไร้คนขับขนาดเล็กนั้น ทำให้การเลือกอุปกรณ์ต้องมีขนาดเล็กน้ำหนักเบา ซึ่งเป็นข้อจำกัดในการเลือกอุปกรณ์ที่นำมาติดตั้งบนอากาศยานไร้คนขับขนาดเล็ก ในระบบปัญญาประดิษฐ์ที่ได้ศึกษานี้ได้ใช้ดอกไม้ที่หาได้ง่ายจำลองเป็นพืชเสพติดเพื่อใช้ในการสร้างโมเดล โดยใช้ TensorFlow เวอร์ชัน 1.15 ผ่านสถาปัตยกรรม SSD Mobilenet เวอร์ชันที่ 2 โดยการสร้าง One class classification เป็นระบบที่ใช้ในการประมวลผลภาพ ซึ่งจะทำการทดสอบโมเดลผ่านระบบกล้องที่จะนำไปใช้ในการติดตั้งบนอากาศยานไร้คนขับขนาดเล็กทั้งกล้องแบบเลนส์ทางยาวโฟกัสเดียว (Prime lens) และแบบเลนส์ซูม (Zoom lens) จากการเตรียมการทดสอบทำให้ทราบถึงการนำระบบปัญญาประดิษฐ์ไปทำงานร่วมกับกล้องประเภทต่าง ๆ ดังที่กล่าวมาข้างต้น ผลลัพธ์ที่ได้เป็นไปตามวัตถุประสงค์ในการศึกษา