
![image](/images/2022/51/01.jpg)

- โมเดลจำแนกภาพตัดขวางเนื้อเยื่อพืช 8 ประเภท (ลำต้น ราก ใบ ประเภทต่างๆ) ด้วย ResNet34,
- แรงบันดาลใจจากการสัมภาษณ์ครูสอนเรื่องการทำปฏิบัติการภาพตัดขวางเนื้อเยื่อพืช ครู 1 คนต้องมีหน้าที่ตรวจชิ้นเนื้อที่นักเรียนประมาณ 40 คนทำการตัดขวาง (cross section) ทำให้ต้องใช้เวลานานหรือจำเป็นต้องจำกัดชนิดของพืชที่เลือกมาทำปฏิบัติการลง,
- ทำ cross section เพื่อเก็บภาพจากห้องปฏิบัติการด้วยความช่วยเหลือของทีมงาน (ของ builder เอง) จากพืชหลากหลายชนิด เช่น ข้าวโพด หญ้าขน ถั่วเขียว หมอน้อย ผัดเป็ดไทย หญ้าหมู เป็นต้น รวมทั้งสิ้น 1,250 ภาพ,
- ชุดข้อมูลที่ใช้งานถูก open source ไว้ที่: https://www.kaggle.com/datasets/earthwttw/plant-tissue-cross-section-dataset/,
- วัดผลด้วย 10-fold cross validation เนื่องจากข้อมูลที่ใช้เทรนมีปริมาณน้อย,
- ใช้สถาปัตยกรรม ResNet34 ในการปรับจูนกับภาพเนื้อเยื่อพืช เทรนโมเดล 5 ครั้ง ได้ accuracy เฉลี่ยที่ 96.96% เทียบกับนักเรียนมัธยม 6 ภาควิทย์คณิต 37 คนที่ตอบถูกเฉลี่ยเพียง 31% แสดงให้เห็นว่าโมเดลสามารถใช้เพื่อช่วยส่งเสริมการสอนทำปฏิบัติการสำหรับนักเรียนที่ยังไม่มีความชำนาญได้เป็นอย่างดี

### แรงจูงในในการเข้าร่วมโครงการ (จากใบสมัครเข้าร่วมเมื่อ 10 สัปดาห์ที่แล้ว)

> "มีความสนใจในภาษา Python แต่ยังใช้งานได้ในระดับ Basic จึงอยากเรียนรู้เพื่อให้สามารถนำไปประยุกต์ใช้งานในระดับสูงต่อได้ในอนาคต และมีความชอบในศาสตร์ของ AI ต้องการประสบการณ์การในการพัฒนา AI เพื่อแก้ไขปัญหาในหัวข้อที่สนใจ และประสบการณ์ในการแก้ไขปัญหาเพื่อให้เป้าหมายสำเร็จลุล่วง  ต่อยอดระบบส่งเสริมการทำปฎิบัติการเนื้อเยื่อพืชด้วยปัญญาประดิษฐ์ การเข้าใจเนื้อเยื่อพืชนำไปสู่ความเข้าใจเกี่ยวกับกลไกการดำรงชีวิตของพืชที่แตกต่างกันไป การศึกษาเนื้อเยื่อพืชทำได้โดยเทคนิคการตัดตามขวาง เป็นการตัดโครงสร้างของพืชให้มีความบางสม่ำเสมอแล้วนำไปส่องใต้กล้องกล้องจุลทรรศน์ โดยเทคนิคการตัดด้วยมือเปล่าเป็นที่นิยมเนื่องจากทำได้โดยใช้อุปกรณ์ไม่มาก แต่อาศัยความชำนาญ มีการจัดสอนอยู่ในระดับชั้นมัธยมศึกษาปีที่ 5  ปัญหาที่เกิดขึ้นคือ นักเรียนขาดทักษะในการทำปฎิบัติการ ทำให้บางชิ้นงานไม่เหมาะสมจะนำไปใช้งานต่อ จึงต้องสอบถามครูผู้สอนเพื่อให้แน่ใจว่าชิ้นงานของตนเองเหมาะสมจะนำไปใช้งานต่อในกิจกรรมได้ รวมถึงข้อจำกัดด้านเวลาทำให้กิจกรรมในห้องดำเนินไปไม่ได้เร็วมากนัก จึงต้องจำกัดการเรียนรู้ลงเหลือเพียงพืชไม่กี่ชนิดเท่านั้น ทำให้ไม่สามารถศึกษาเนื้อเยื่อพืชที่สนใจได้  การพัฒนา AI เพื่อช่วยส่งเสริมการสอนของครู โดยการระบุชนิดของเนื้อเยื่อพืชว่าเป็นโครงสร้างส่วนใด และมีความเหมาะสมที่จะไปใช้งานต่อหรือไม่ จะช่วยให้การดำเนินไปของปฏิบัติการรวดเร็วขึ้น เพราะตรวจสอบชิ้นงานได้ตลอดเวลา และสามารถศึกษาหัวข้อเนื่อเยื่อพืชที่ตนเองสนใจได้ ทำให้นักเรียนได้เห็นเนื้อเยื่อของพืชหลากหลายชนิดจากนักเรียน คนอื่น ๆ จากการสังเกตและเชื่อมโยงภาพเหล่านั้นจะทำให้นักเรียนสามารถสร้างข้อสรุปและสร้างองค์ความรู้ได้ด้วยตนเอง (constructivisim) นอกจากนี้ยังเป็นเครื่องมือที่อำนวยความสะดวกให้ครูจัดการเรียนรู้ด้วยวิธีปฏิบัติจริง (active learning) อีกด้วย  Dataset สามารถหาได้จากการทำปฏิบัติการเนื้อเยื่อพืชของนักเรียนหรือสร้างขึ้นเอง"

Crossec : ระบบส่งเสริมการทำปฏิบัติการเนื้อเยื่อพืชด้วยปัญญาประดิษฐ์

โดย วิทวัส กิติภัทร์ถาวร (เอิร์ธ) •