
![image](/images/2024/28/01.png)

- โมเดลobject detection จำแนกรูปเม็ดยากว่า 2,000 ชนิด โดยใช้ yolov10
- ชุดข้อมูลจากเว็บไซต์ของ National Institutes of Health (NIH)(.gov) รวมกว่า 40,000 รูป
- แรงบันดาลใจมาจากผู้สูงอายุที่บ้านชอบนำยามารวมในกระปุกเดียวกันจนไม่สามารถแยกประเภทของยาได้ ทำให้คุณหมอต้องสั่งยาให้ใหม่อยู่บ่อยครั้ง จึงอยากทำ application ที่จำแนกยาได้เพื่อแก้ปัญหาสับสนในการใช้ยาเมื่อนำยามารวมกัน
- ใช้ labelImg ในการทำ bounding box 
- แบ่งข้อมูลเป็น train และ test ที่ 80/20 validation 0 เนื่องจากมีภาพน้อย
- เทรนโมเดลครั้งแรก ใช้ yolov9 ในการเทรน และทำนายผิดไปราว 10% โดยทุกภาพจะทำนายออกมาสอง class ต่อรูป ซึ่งในหนึ่งในสอง class นั้นจะมี class ที่ถูกแสดงขึ้นเสมอ 
- เทรนโมเดลในครั้งที่สอง จึงลองใช้ yolov10 เข้ามาช่วย ทำให้มีความแม่นยำสูงขึ้นถึง 97%

### แรงจูงในในการเข้าร่วมโครงการ (จากใบสมัครเข้าร่วมเมื่อ 10 สัปดาห์ที่แล้ว)

> หนูมีความสนใจในด้านของ ai และ machine learning  หนูคิดว่าค่ายนี้มีระบบการสอนที่จะทำให้หนูได้สร้างประสบการณ์ในการลงมือปฏิบัติจริงด้วยai ที่ล้ำสมัย ซึ่งช่วยฝึกฝนทักษะการเขียนโปรแกรมและแก้ปัญหาของหนูได้ นอกจากนี้ และหนูยังได้มีโอกาสที่จะได้เจอกับคนที่มีความสนใจในด้าน ในสายงานเดียวกันและผู้ที่มีประสบการณ์ในการทำงานโดยตรง ซึ่งหนูเชื่อว่าจะช่วยส่งเสริมการเรียนรู้ของหนูได้เป็นอย่างมาก ดังนั้น การเข้าร่วมค่ายนี้จึงตรงกับความสนใจใน ai และความตั้งใจที่อยากจะทำงานในสายงานนี้ที่กำลังเติบโตอย่างรวดเร็วค่ะ
    

Drug identification

โดย ชลภัสฉัตร บุญปาลิต(อิง) • เตรียมวิศวกรรมศาสตร์ ไทย-เยอรมัน / กรุงเทพมหานคร