
![image](/images/2022/39/01.jpg)

- ในปัจจุบันการรับประทานยำไข่แมงดาได้รับความนิยมมากขึ้น จึงทำให้เกิดปัญหาที่ว่าร้านนำแมงดาที่มีพิษ(แมงดาถ้วย หรือแมงดาเหรา)นำมาปรุงอาหาร และขาย ซึ่งเกิดจากการเข้าใจผิด อาจทำให้ส่งผลต่อชีวิตได้ ผมจึงได้มีความสนใจที่จะสร้าง Application ในการแยกแยะประเภทของแมงดาจาน(กินได้) กับ แมงดาถ้วย(มีพิษ กินไม่ได้) เพื่อช่วยการตัดสินใจก่อนทำอาหาร เพื่อความปลอดภัยในการรับประทาน,
- เก็บชุดข้อมูลจาก DuckDuckGo Image Search API; เริ่มแรก scrape ได้กว่า 1,000 รูปแต่คุณภาพไม่ดีจึงคัดเลือกด้วยมือและหาเพิ่มจนได้ชุดข้อมูลสุดท้ายที่แมงดาถ้วย 224 รูปและแมงดาจาน 226 รูป แบ่ง train-test split ที่ 85:15,
- สร้าง annotation สำหรับ object detection ด้วยมือผ่านโปรแกรม LabelImg,
- ปรับจูนโมเดลจากสถาปัตยกรรม VGG16, VGG19, AlexNet, ResNeXt50, DenseNet201 ครั้งแรกพบว่าผลบน test set ค่อนข้างแย่,
- พบว่าโมเดลมีความสับสนระหว่างด้านหน้าและด้านหลังของแมงดา จึงทำโมเดลแยกสำหรับหน้า-หลัง; ได้ความแม่นยำสูงในการทายด้านหน้า-หลัง (F1 ~0.9),
- หลังจากแยกแยะด้านหน้า-หลังแล้ว ใช้อีกโมเดลแยกประเภทซ้ำ (multi-model approach) ได้ผลดีขึ้น ด้านหน้า (F1 ~0.83) และ ด้านหลัง (F1 ~0.70); โมเดลที่ทำได้ดีที่สุดได้ผลในการจำแนกชนิดแมงดาโดยรวมสูงถึง F1 0.92,
- โมเดลสุดท้ายคือ 1) object detection ทำนายว่าแมงดาอยู่ไหน 2) โมเดลทำนายว่าด้านหน้า-ด้านหลัง 3) ทำนายชนิดแมงดา,
- ทดสอบเทียบกับมนุษย์ด้วยแบบสอบถามและรูป 16 รูป พบว่าโมเดลทำได้ดีกว่า (F1 0.89 vs 0.74); จำนวนตัวอย่างเล็กมาก ตีความอย่างระมัดระวัง

### แรงจูงในในการเข้าร่วมโครงการ (จากใบสมัครเข้าร่วมเมื่อ 10 สัปดาห์ที่แล้ว)

> "เนื่องจากโรงเรียนของผมเป็นโรงเรียนวิทยาศาสตร์ทำให้ผมได้ทำโครงงานวิทยาศาสตร์ที่ต้องศึกษาหาความรู้ด้วยตนเองแล้วก็มีอาจารย์ครูที่ปรึกษามาแนะนำเกี่ยวกับโปรเจคการปรับปรุงน้ำดิบเพื่อนำมาผลิตน้ำประปา ที่ได้ผลิตน้ำประปาเองเป็นส่วนใหญ่เนื่องจากน้ำประปาที่ส่งมาจากการประปาไหลมาไม่เพียงพอต่อบุคคลในโรงเรียน โดยโรงเรียนได้มีการผลิตน้ำเองมาก่อนหน้านี้แล้ว แต่ยังพบว่าน้ำไม่ค่อยได้มาตราฐาน จึงทำให้ผมและคุณครูได้คิดที่จะทำเครื่อง Jartest (สามารถดูเพิ่มเติมได้ในผลงานครับ) ที่ใช้ในทดลองเพื่อหาปริมาณของสารเคมีที่เหมาะสมต่อการผลิตน้ำประปา และเมื่อทำเครื่องเสร็จผมพบกับปัญหาที่ว่า น้ำดิบมีคุณสมบัติไม่เหมือนกันตลอดทั้งวัน ทำให้ต้องมีการทำ Jartest 3 ครั้งต่อวันเพื่อปรับเปลี่ยนอัตราส่วนของสารเคมีให้เหมาะสมต่อการปรับปรุงน้ำดิบ ผมจึงได้หาข้อมูลต่อที่จะช่วยทำให้การปรับปรุงน้ำดิบได้รวดเร็วมากขึ้น ซึ่งเป็นการนำ deep learning มาประมวลผลข้อมูลทางสถิตจากข้อมูลก่อน-หลังการทดลองและปริมาณสารที่เติม และประมวลผลภาพของขนาดตะกอน แล้วผมก็มาพบกับโครงการ AI Builders ที่มีการอบรมเกี่ยวกับ Data Sci และ AI ซึ่งตอบโจทย์ต่อโปรเจคที่ผมสนใจเป็นอย่างมาก แล้วมีการประยุกต์องค์ความรู้ที่เรียนมาใช้ในการแก้ไขปัญหาในชีวิตประจำวันได้อีกด้วย ดูได้จากการนำเสนอผลงานของรุ่นที่แล้วมีความน่าสนใจมากครับ แล้วผมมั่นใจว่าโครงการจะมอบประสบการณ์และเทคนิคในการทำงานเกี่ยวกับAi ให้ผมอย่างมากครับากครับ จึงทำให้กระผมอยากเก็บเกี่ยวประสบการณ์เกี่ยว AI จากโครงการนี้ครับ"

AI แยกแยะแมงดาจาน กับ แมงดาถ้วย

โดย ภัคพล อาจบุราย (หลุยส์) •