บทคัดย่อ

ข้าวขาวดอกมะลิ 105 กข15 และ กข6 เป็นพันธุ์ข้าวที่มีความสำคัญทางเศรษฐกิจ แต่มีลักษณะทางสรีระเมล็ดที่คล้ายคลึงกันอย่างมากจนยากต่อการจำแนกด้วยสายตา งานวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบประสิทธิภาพของโครงข่ายประสาทแบบคอนโวลูชัน (CNN) สองสถาปัตยกรรม ได้แก่ MobileNetV2 และ ResNet101 ในการจำแนกพันธุ์ข้าวสำคัญ โดยใช้ชุดข้อมูลภาพถ่ายรวม 12,000 ภาพ กระบวนการดำเนินงานประกอบด้วยการเตรียมข้อมูลภาพโดยการปรับขนาด (Resize) เป็น 224x224 พิกเซล เพื่อให้สอดคล้องกับข้อกำหนดของสถาปัตยกรรม ข้อมูลถูกแบ่งเป็นส่วนฝึกสอนร้อยละ 70 และชุดทดสอบร้อยละ 30 เพื่อพัฒนาแบบจำลองด้วยเทคนิคการเรียนรู้แบบถ่ายโอน (Transfer Learning) โดยเปรียบเทียบอัลกอริทึมการปรับค่าพารามิเตอร์ระหว่าง ADAM และ SGDM ผลการศึกษาพบว่า สถาปัตยกรรม ResNet101 ร่วมกับอัลกอริทึม ADAM ให้ประสิทธิภาพสูงสุด โดยมีความแม่นยำ (Accuracy) เฉลี่ยร้อยละ 94.72 และค่า F1-score เท่ากับ 0.947 ในขณะที่ MobileNetV2 มีความแม่นยำร้อยละ 92.00 เมื่อพิจารณารายพันธุ์ พบว่าโมเดลจำแนกข้าวขาวดอกมะลิ 105 ได้แม่นยำสูงสุดถึงร้อยละ 99.50 ส่วนความสับสนส่วนใหญ่เกิดขึ้นระหว่างพันธุ์ กข15 และ กข6 เนื่องจากความใกล้เคียงกันทางกายภาพ สรุปได้ว่า ResNet101 เป็นโมเดลที่ช่วยลดข้อผิดพลาดและระยะเวลาในการตรวจสอบ ซึ่งเป็นต้นแบบที่มีประสิทธิภาพในการพัฒนาเทคโนโลยีควบคุมคุณภาพเมล็ดพันธุ์ในอุตสาหกรรมข้าวไทยต่อไป