โดย นายปิยะ บุษรากุล นายเอกรัฐ กันสุข อาจารย์ที่ปรึกษา

งานนำเสนอเรื่อง: "โดย นายปิยะ บุษรากุล นายเอกรัฐ กันสุข อาจารย์ที่ปรึกษา"— ใบสำเนางานนำเสนอ:

1 Automatic Fingerprint Classification Program โปรแกรมจำแนกประเภทลายนิ้วมืออัตโนมัติ
โดย นายปิยะ บุษรากุล นายเอกรัฐ กันสุข อาจารย์ที่ปรึกษา อาจารย์จิระเดช พลสวัสดิ์

2 หัวข้อที่จะนำเสนอ บทนำ หลักการและทฤษฏี การออกแบบ การทดลองและการสร้าง
ผลการทดลองและผลการทำงาน สรุปผล

3 บทนำ

4 ที่มาและความสำคัญของโครงการ
เนื่องจากในงานวิจัยโปรแกรมพิมพ์ภาพลายนิ้วมือ อัตโนมัติปราศจากหมึกได้ทำการเก็บรวบรวมข้อมูล ลายนิ้วมือจำนวนมากเพื่อทำการวิจัย โดยการสแกน ลายนิ้วมือจากเครื่องสแกนลายนิ้วมือและพิมพ์ออกมาโดย ใช้หมึกพิมพ์ แต่เนื่องจากในการวิจัยนี้มีการรวบรวม ลายนิ้วมือจำนวนมากซึ่งไม่สามารถบอกประเภทของ ลายนิ้วมือต่างๆ ได้จึงต้องการโปรแกรมเพื่อสามารถ จำแนกประเภทลายนิ้วมือต่างๆ เพื่อให้บอกชนิดของ ลายนิ้วมือที่สแกนออกมาได้อย่างถูกต้อง

5 วัตถุประสงค์ของโครงการ
เพื่อจำแนกประเภทของลายนิ้วมือออกเป็น 7 ประเภทจากการสแกนลายนิ้วมือได้ เพื่อพัฒนาโปรแกรมที่สามารถแยกประเภท ลายนิ้วมือได้อัตโนมัติ

6 ขอบเขตโครงการ พัฒนาโปรแกรมเพื่อจำแนกประเภทลายนิ้วมือทั้ง 7 ประเภทได้อย่างถูกต้อง โดยใช้ซอฟต์แวร์ แม ทแลบ (MATLAB)

7 ขั้นตอนการดำเนินโครงการ
แผนการดำเนินโครงการ ขั้นตอนการดำเนินโครงการ 2556 2557 มิ.ย. ก.ค. ส.ค. ก.ย. ต.ค. พ.ย. ธ.ค. ม.ค. ก.พ. เตรียมงานศึกษาและรวบรวมข้อมูลประเภทของลายนิ้วมือและซอฟต์แวร์ที่ต้องใช้ / ศึกษาการทำงานของโปรแกรมเพื่อเตรียมข้อมูลให้ง่ายต่อการเรียนรู้ของโปรแกรมเรียนรู้ และ ศึกษาซอฟต์แวร์ที่ต้องใช้ คือโปรแกรมเรียนรู้สำหรับจำแนกประเภทของลายนิ้วมือ ออกแบบ พัฒนาโปรแกรม หาข้อผิดพลาดและดำเนินการแก้ไข สรุปผลและอภิปราย จัดทำเอกสารโครงการ

8 หลักการและทฤษฏี

9 ทฤษฎีพื้นฐานโครงข่ายปราสาทเทียม
โครงข่ายประสาทเทียม (Artificial Neural Networks)  เป็นหนึ่งในเทคนิคของการทำเหมืองข้อมูล (Data Mining) เพื่อจำลองการทำงานของเครือข่ายประสาท ในสมองมนุษย์ ด้วยวัตถุประสงค์ที่จะสร้างเครื่องมือซึ่งมี ความสามารถในการเรียนรู้การจดจำรูปแบบ (Pattern Recognition) และการสร้างความรู้ใหม่ (Knowledge Extraction) เช่นเดียวกับความสามารถที่มีในสมองมนุษย์

10 ประเภทของลายนิ้วมือทั้ง 7 ชนิด
ลายโค้งแบบราบ (Plain Arch) ลายโค้งแบบกระโจม (Tented Arch) ลายมัดหวายปัดก้อย (Ulnar loop)

11 ประเภทของลายนิ้วมือทั้ง 7 ชนิด
ลายมัดหวายปัดโป้ง (Radial loop) ลายก้นหอย (Whorl) ลายก้นหอยแบบมัดหวายคู่ (Double Loop Whorl)

12 ประเภทของลายนิ้วมือทั้ง 7 ชนิด
ลายก้นหอยกระเป๋ากลาง (Central Pocket Loop Whorl)

13 การออกแบบ

14 การเตรียมอินพุตสำหรับการรู้จำ

15 การแยกประเภทลายนิ้วมือของโปรแกรม

16 การทดลอง และการสร้าง

17 ส่วนต่อประสานผู้ใช้

18 การทำงานของโปรแกรม

19 ผลการทดลองและ ผลการทำงาน

20 ผลการทดลอง

21 ผลการทำงาน ประเภทลายนิ้วมือ จำนวนนิ้วที่ใช้ทดสอบ ทายถูกจำนวน
คิดเป็นเปอร์เซ็นต์ 1. ลายนิ้วมือประเภทลายโค้งแบบราบ 20 17 85 % 2. ลายนิ้วมือประเภทลายโค้งแบบกระโจม 19 95 % 3. ลายนิ้วมือประเภทลายมัดหวายปัดก้อย 13 65 %

22 ผลการทำงาน 4. ลายนิ้วมือประเภทลายมัดหวายปัดโป้ง 20 16 80 %
5. ลายนิ้วมือประเภทลายก้นหอย 6. ลายนิ้วมือประเภทลายก้นหอยแบบมัดหวายคู่ 15 75 % 7. ลายนิ้วมือประเภทลายก้นหอยกระเป๋ากลาง 12 60 %

23 สรุปผล

24 สรุป โปรแกรมจำแนกประเภทลายนิ้วมืออัตโนมัติพัฒนา โดยใช้หลักการการรู้จำ(Neural Networks) และ ซอฟแวร์ MATLAB ในการพัฒนา จากการได้รู้จำได้เปอร์เซ็นต์ความถูกต้องดังนี้ เทรนนิง คอนฟิวชัน (Training Confution) = 96.5% วาลิเดชัน คอนฟิวชัน (Validation Confution) = 68.9% เทส คอนฟิวชัน (Test Confution) = 65.6% ออล คอนฟิวชัน (All Confution) = 87.8%

25 สรุป มีฟังก์ชันการทำงาน 2 ส่วน คือ ฟังก์ชันการจำแนกประเภทลายนิ้วมือเพียงนิ้วเดียว ฟังก์ชันการจำแนกประเภทลายนิ้วมือทั้งหมด 10 นิ้ว เปอร์เซนต์ความถูกต้องของลายนิ้วมือแต่ละชนิด ลายนิ้วมือประเภทลายโค้งแบบราบ % ลายนิ้วมือประเภทลายโค้งแบบกระโจม % ลายนิ้วมือประเภทลายมัดหวายปัดก้อย %

26 สรุป เปอร์เซนต์ความถูกต้องของลายนิ้วมือแต่ละชนิด ลายนิ้วมือประเภทลายมัดหวายปัดโป้ง % ลายนิ้วมือประเภทลายก้นหอย % ลายนิ้วมือประเภทลายก้นหอยแบบมัดหวายคู่ 75 % ลายนิ้วมือประเภทลายก้นหอยกระเป๋ากลาง %

27 Q&A

28 Thank you! Contact Address: Prof. Somchai Doe Tel: Email: