การวิเคราะห์ระดับการสุกของทุเรียนจากการแพร่กระจายของก๊าซเอทีลีนโดยใช้เทคนิคการทำเหมืองข้อมูล

อุดมศักดิ์ เพียรไพโรจน์

Please use this identifier to cite or link to this item: https://rsuir-library.rsu.ac.th/handle/123456789/890

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	วุฒิพงษ์ ชินศรี	-
dc.contributor.author	อุดมศักดิ์ เพียรไพโรจน์	-
dc.date.accessioned	2022-03-10T05:35:02Z	-
dc.date.available	2022-03-10T05:35:02Z	-
dc.date.issued	2561	-
dc.identifier.uri	https://rsuir-library.rsu.ac.th/handle/123456789/890	-
dc.description	วิทยานิพนธ์ (วท.ม. (เทคโนโลยีสารสนเทศ)) -- มหาวิทยาลัยรังสิต, 2561	en_US
dc.description.abstract	การวิจัยนี้มีวัตถุประสงค์เพื่อวิเคราะห์ระดับการสุกของทุเรียนจากการแพร่กระจายของก๊าซเอทีลีน โดยใช้เทคนิคการทำเหมืองข้อมูล เนื่องจากระดับการสุกของทุเรียนเป็นปัจจัยสาคัญที่ผู้ประกอบการหรือผู้จัดจำหน่ายใช้ในการวางแผนจัดเก็บ ขนส่ง และจัดจำหน่าย ซึ่งการตรวจสอบระดับการสุกจำเป็นต้องเจาะทำลายผิวทุเรียนบางส่วนเพื่อตรวจสอบระดับการสุก ทำให้ผลทุเรียนเกิดความเสียหาย ดังนั้นเมื่อผู้วิจัยทราบว่าก๊าซเอทีลีน มีความสัมพันธ์กับระดับการสุกของผลไม้ ผู้วิจัยจึงพัฒนาอุปกรณ์วัดระดับการสุกของทุเรียนโดยใช้ Arduino เชื่อมต่อกับเซ็นเซอร์ MQ3, MQ6 และ MQ8 เพื่อตรวจสอบการแพร่กระจายของก๊าซเอทีลีน เมื่อได้ข้อมูลจากเซ็นเซอร์แล้ว ผู้วิจัยได้ใช้เทคนิคการแบ่งกลุ่มของข้อมูล (Clustering) ในการแบ่งกลุ่มทุเรียนตามระดับการสุก โดยใช้อัลกอริทึม K-Mean มาใช้ในการทดลอง ซึ่งผลการทดลองสามารถแบ่งกลุ่มระดับการสุกได้เป็น 4 กลุ่ม คือ 1) ดิบ 2) ห่าม 3) สุก และ 4) งอม ซึ่งเป็นไปตามลักษณะการสุกของทุเรียน หรือกล้วยที่คนไทยส่วนใหญ่ เข้าใจกัน สาหรับการวิเคราะห์ระดับการสุกของทุเรียนนั้น ผู้วิจัยใช้เทคนิคการจำแนกข้อมูล (Classification) ในการสร้างโมเดล และทำการเปรียบเทียบอัลกอริทึมที่นำมาใช้ในการสร้างโมเดล ได้แก่ Decision Tree, K Nearest Neighbors (KNN), Neural Network, Naive Bayes และ Support Vector Machine (SVM) โดยเปรียบเทียบค่าความแม่นยำในการจำแนกข้อมูล (Accuracy) โดยการแบ่งกลุ่มของข้อมูลเพื่อทำการทดสอบใช้แบบ Cross Validation ผลการทดลอง พบว่า Support Vector Machine และ Neural Network มีค่าความแม่นยำในการจำแนกข้อมูลสูงที่สุดใกล้เคียงกัน นอกจากนั้นโมเดลที่ได้จากทุกอัลกอริทึมมีค่าความแม่นยำในการจำแนกข้อมูลสูงเกือบ 100% จึงสามารถนำโมเดลเหล่านั้นไปใช้เพื่อวิเคราะห์ระดับการสุกของทุเรียนจากการแพร่กระจายของก๊าซเอทีลีนได้	en_US
dc.language.iso	other	en_US
dc.publisher	มหาวิทยาลัยรังสิต	en_US
dc.subject	ผลไม้ -- ทุเรียน -- เทคโนโลยีหลังการเก็บเกี่ยว	en_US
dc.subject	เอทิลีนออกไซด์	en_US
dc.subject	เหมืองข้อมูล	en_US
dc.title	การวิเคราะห์ระดับการสุกของทุเรียนจากการแพร่กระจายของก๊าซเอทีลีนโดยใช้เทคนิคการทำเหมืองข้อมูล	en_US
dc.title.alternative	The analysis of durian ripening levels from diffusion of ethylene gases by using data mining techniques	en_US
dc.type	Thesis	en_US
dc.description.other-abstract	The level of ripening in durian is an important factor for operators or distributors in planning, storing, transporting, as well as distributing. To determine the ripening levels, it is required to penetrate skin of durian. This penetration, however, appears to cause certain damage to durians. As it was evident that ethylene is associated with fruit ripening, this research aims to analyze the ripening levels in durians from ethylene gas diffusion using data mining techniques. The Arduino board connected with MQ3, MQ6 and MQ8 detection sensors was developed as the assessment tool. Once the data had been collected, the data mining procedures were performed for data clustering. The findings indicated that the K-Means clustering algorithm was able to classify four levels of ripening in durian as follows: (1) unripe, (2) pre-ripe, (3) ripe, and (4) overripe. This resonates with what most Thais commonly understand about the ripening levels of durian or banana. In addition, The classification technique was used for the ripening analysis. In terms of classifications, various types of algorithm, for example, Decision Trees, K Nearest Neighbors (KNN), Neural Networks, Naive Bayes, and Support Vector Machine (SVM). were used to compare the accuracy rate of their performance through the cross-validation procedure. It is shown that the SVM and the Neural Network algorithms were the most accurate. The accuracy of the algorithms in this experimental was almost at 100 percent. Therefore, these algorithms can be further developed to analyze the fruit ripening level from analysis of gas diffusion.	en_US
dc.description.degree-name	วิทยาศาสตรมหาบัณฑิต	en_US
dc.description.degree-level	ปริญญาโท	en_US
dc.contributor.degree-discipline	เทคโนโลยีสารสนเทศ	en_US
Appears in Collections:	ICT-IT-M-Thesis

Files in This Item:

File	Description	Size	Format
Udomsak Paeanpairoj.pdf		3.6 MB	Adobe PDF	View/Open

Show simple item record