การตรวจจับสัญญาณไฟจราจรโดยใช้โครงข่ายประสาทเทียมแบบส่งค่าย้อนกลับ

งานนำเสนอเรื่อง: "การตรวจจับสัญญาณไฟจราจรโดยใช้โครงข่ายประสาทเทียมแบบส่งค่าย้อนกลับ"— ใบสำเนางานนำเสนอ:

1 การตรวจจับสัญญาณไฟจราจรโดยใช้โครงข่ายประสาทเทียมแบบส่งค่าย้อนกลับ
ในประเทศไทย Traffic Light Detection Using Back Propagation Neural Networks in Thailand นนร.พิชญุตม์ ฤกษ์พิศุทธิ์1 น.ต.พิศณุ คูมีชัย2 NC. Chanapai pannoi, LCdr. Pisanu Kumeechai กองวิชาวิศวกรรมศาสตร์ สาขาวิศวกรรมไฟฟ้าสื่อสาร ฝ่ายศึกษาโรงเรียนนายเรือ (ชื่อเรื่องภาษาไทยแบบอักษร : TH SarabunPSK ขนาด 80 ตัวหนา) (ชื่อเรื่องภาษาอังกฤษแบบอักษร : TH SarabunPSK ขนาด 80 ตัวหนา) (ชื่อผู้เขียนภาษาไทย : ยศ ตำแหน่งทางวิชาการ ชื่อ และนามสกุลผู้เขียนที่ 11 ยศ ตำแหน่งทางวิชาการ ชื่อ และนามสกุลผู้เขียนที่ 22 : TH SarabunPSK ขนาด 48 ตัวหนา) (ชื่อผู้เขียนภาษาอังกฤษ : ยศ ตำแหน่งทางวิชาการ ชื่อ และนามสกุลผู้เขียนที่ 1 ยศ ตำแหน่งทางวิชาการ ชื่อ และนามสกุลผู้เขียนที่ 2 : TH SarabunPSK ขนาด 48 ตัวหนา) (กองวิชา สาขาวิชา ฝ่ายศึกษาโรงเรียนนายเรือ : TH SarabunPSK ขนาด 48 ตัวหนา) บทคัดย่อ (บทคัดย่อ : TH SarabunPSK ขนาด 54 ตัวหนา) งานวิจัยนี้นำเสนอวิธีการตรวจจับสัญญาณไฟจราจรโดยใช้โครงข่ายประสาทเทียมแบบส่งค่าย้อนกลับ (back propagation neural network) ในช่วงเวลากลางวัน ในขั้นตอนแรก ภาพสัญญาณไฟจราจรจะถูกสกัดออกจากภาพสี RGB โดยภาพ RGB นำเข้าจะถูกแปลงไปอยู่ในรูปปริภูมิสี YCbCr จากนั้น พื้นที่ที่สีแดงและสีเขียวจะถูกเลือกเป็นตัวแทน และในขั้นตอนสุดท้ายได้ใช้โครงข่ายประสาทเทียมแบบส่งค่าย้อนกลับในการระบุสัญญาณไฟจราจรสีแดง ในการทดลองนี้ โครงข่ายประสาทเทียมแบบส่งค่าย้อนกลับแบบสามเลเยอร์ได้ถูกปรับใช้เพื่อตรวจจับและประเมินส่วนต่างๆ ของสัญญาณไฟจราจรที่มีประโยชน์ต่อการตรวจจับ ความแม่นยำของวิธีที่นำเสนอนี้ได้ถูกเปรียบเทียบกับขั้นตอนวิธีการเพื่อนบ้านใกล้ที่สุด (k-nearest neighbor classification) (เนื้อความ : TH SarabunPSK ขนาด 48 ตัวหนา) วัตถุประสงค์ (วัตถุประสงค์ : TH SarabunPSK ขนาด 54 ตัวหนา) เพื่อสร้างซอฟต์แวร์ที่สามารถตรวจจับสัญญาณไฟจราจรสีแดงได้อย่างถูกต้อง และพัฒนาแนวคิดขั้นตอนวิธีการตรวจสอบสีของสัญญาณไฟจราจรแล้วนำไปประยุกต์ใช้ในการตรวจจับผู้กระทำผิดและลดอุบัติเหตุบนท้องถนนได้ต่อไปในอนาคต การกระจายฮิสโตแกรมของ Y channel การกระจายฮิสโตแกรมของ Cb channel การกระจายฮิสโตแกรมของ Cr channel ผังงานของวิธีการที่นำเสนอ สถาปัตยกรรมของโครงข่ายประสาทเทียมแบบส่งค่าย้อนกลับที่ได้รับการพัฒนาขึ้น แสดงแต่ละ channel ของปริภูมิสี YCbCr (บทสรุป : TH SarabunPSK ขนาด 54 ตัวหนา) (เนื้อความ : TH SarabunPSK ขนาด 48 ตัวหนา) บทสรุป ในงานวิจัยนี้ เราได้เสนอวิธีการตรวจจับสัญญาณไฟจราจรสีแดง วิธีการนี้จะสามารถช่วยตรวจจับได้ว่าผู้ขับขับฝ่าสัญญาณไฟจราจรสีแดงหรือไม่โดยใช้ภาพสีในปริภูมิสี YCbCr และโครงข่ายประสาทเทียมแบบส่งค่าย้อนกลับ ในการทดลองนี้ เราใช้โครงข่ายประสาทเทียมแบบส่งค่าย้อนกลับแบบสามเลเยอร์เพื่อตรวจจับสัญญาณไฟจราจรสีแดงและประเมินส่วนต่างๆ ของสัญญาณไฟจราจรในการตรวจจับว่าไม่มีสัญญาณไฟจราจรสีแดงอยู่หรือไม่ ซึ่งวิธีการที่เราเสนอนั้นให้ความแม่นยำในการตรวจจับสัญญาณไฟจราจรสีแดงที่ 94% เรายังทำการเปรียบเทียบกับวิธีการอื่นเพื่อตรวจจับสัญญาณไฟจราจรสีแดงโดยใช้ขั้นตอนวิธีการเพื่อนบ้านใกล้ที่สุด ซึ่งให้ความแม่นยำที่55% อย่างไรก็ตามยังมีสัญญาณไฟจราจรบางประเภทที่จะเปลี่ยนสีไปตามแต่ละช่วงเวลา (เนื้อความ : TH SarabunPSK ขนาด 48 ตัวหนา) กิตติกรรมประกาศ (กิตติกรรมประกาศ : TH SarabunPSK ขนาด 54 ตัวหนา) งานวิจัยนี้สำเร็จลงได้ด้วยความร่วมมือของกองวิชาวิศวกรรมศาสตร์และสำนักงานวิจัยโรงเรียนนายเรือ (เนื้อความเอกสารอ้างอิง : TH SarabunPSK ขนาด 32 ตัวหนา) เอกสารอ้างอิง [1] D. T. Pankaj and M. E. Patil, “Recognition of traffic symbols using Kmeans and shape analysis”, International Journal of Engineering Research and Technology (IJERT) Vol 2 No. 5, pp SSN : , 2013. [2] A. Danti, and Y. Kulkarni, “Images Processing Approach To Detect Road Sign in India Roads”, International Journal Of Research in Advent Technology, Vol 1, Issue 5, pp , 2013. [3] A. V. Deshpande, “Design Approach for a Novel Traffic Sign Recognition System by Using LDA and Images Segmentation by Exploring the Color and Shape Feature of an Image”, International Journal of Engineering Research and Applications, Vol. 4 Issue 11 November 2014, pp , 2014. [4] T. Boongoen, N. Iam-On and B. Undara,“Improving Face Detection with Bi-Level Classification Model,” RTAFA Journal of Science and Technology, 12:52-63, 2016. (หัวข้อเอกสารอ้างอิง : TH SarabunPSK ขนาด 54 ตัวหนา) 1 นักเรียนนายเรือชั้นปีที่ 5 สาขาวิศวกรรมไฟฟ้าสื่อสาร โรงเรียนนายเรือ 2 อาจารย์ประจำฝ่ายศึกษาโรงเรียนนายเรือ (คำอธิบายชื่อจากตรงหัวข้อใส่ ชั้นปี สาขาวิชา TH SarabunPSK ขนาด 32 ตัวหนา)