Page 44 - FoodFocusThailand No.220 July 2024
P. 44

STRONG QC & QA


            โรงงาน โดยระบบจะใช้้กล้้องในการเก็บภาพวััตถุุทั้ั�งภาพน่�ง   การประมวัล้ผล้ภาพระดับพ่�นฐาน เป็นการวิเคัราะห์ภาพิเบ่�องต้น
            แล้ะภาพเคล้่�อนไหวั จากนั�นจึงนำาภาพทั้่�ได้ไปวั่เคราะห์ด้วัย เพิ่�อกำาจัด้ส่ิ�งที่่�ไม่เก่�ยวข้องออกจากภาพิต้นฉบับที่่�ได้้จากกล้้องหร่อเซึ่นเซึ่อร์
            ระบบซอฟต์แวัร์คอมพ่วัเตอร์                        โด้ยใช่้เที่คันิคัที่ั�วไป เช่่น การปรับคัวามส่ว่างแล้ะส่่ การคัรอบตัด้ภาพิออก
               ระบบ Machine vision ประกอบด้้วย 3 ส่่วนที่่�ส่ำาคััญ ได้้แก่ กล้้อง  เพิ่�อเน้นเฉพิาะบริเวณที่่�ต้องการ แล้ะล้บส่ิ�งรบกวนเพิ่�อให้การวิเคัราะห์
            แส่ง แล้ะคัอมพิิวเตอร์ โด้ยกล้้องจะที่ำาหน้าที่่�จับภาพิ ขณะที่่�แส่งส่ว่าง แม่นยำายิ�งขึ�น ตัวอย่างเช่่น การติด้ตั�งกล้้องอินฟราเรด้ที่่�บริเวณประตู
            จะช่่วยคัวบคัุมคัวามคัมช่ัด้ของภาพิ ส่่วนคัอมพิิวเตอร์จะใช่้ใน             ของเตาอบเพิ่�อเก็บภาพิเส่้นโคั้งของบิส่กิตที่่�บิด้เบ่�ยว รวมถืึงตรวจจับ
            การวิเคัราะห์ภาพิที่่�ได้้จากกล้้องเพิ่�อตัด้ส่ินใจว่าจะส่ั�งให้เคัร่�องจักร ส่ิ�งปนเป้�อนแล้ะวัตถืุแปล้กปล้อมในบิส่กิตระหว่างกระบวนการผล้ิต
            ด้ำาเนินการอย่างไรต่อไป ด้ังนั�น เที่คัโนโล้ย่น่�จึงช่่วยให้การประเมิน  การประมวัล้ผล้ภาพระดับกล้าง เป็นการเจาะล้ึกเข้าไปในภาพิ

            คัุณภาพิของผล้ิตภัณฑ์์อาหารม่คัวามแม่นยำา ปล้อด้ภัย แล้ะไม่                เพิ่�อแยกวัตถืุที่่�ส่นใจออกจากพิ่�นหล้ังอย่างแม่นยำา วิธี่น่�มักใช่้เที่คันิคั
            ล้ด้ที่อนคัุณภาพิของอาหาร  ซึ่ึ�งถื่อเป็นส่ิ�งส่ำาคััญอย่างยิ�งใน การแบ่งส่่วนภาพิ (Image segmentation) เช่่น เที่คันิคัวอเตอร์เช่ด้
            อุตส่าหกรรมการผล้ิตอาหาร                          (Watershed segmentation) เพิ่�อช่่วยตรวจจับรอยช่ำ�าบนลู้กพิ่ช่ หร่อใช่้
               วิธี่การเก็บภาพิคัุณภาพิสู่งที่่�ใช่้ในอุตส่าหกรรมอาหารส่ามารถื วิธี่การของโอตซึ่ึ (Otsu’s method) ส่ำาหรับแยกแอปเปิล้ก่อนใช่้หุ่นยนต์
            ที่ำาได้้หล้ายวิธี่ หนึ�งในนั�นคั่อการใช่้เทั้คโนโล้ย่การถุ่ายภาพ            ในการเก็บเก่�ยว หล้ังจากแยกวัตถืุออกจากพิ่�นหล้ังแล้้ว ก็จะใช่้วิธี่การ
            ไฮเปอร์สเปกตรัม (Hyperspectral imaging) โด้ยกล้้องไฮเปอร์ แที่นคั่าภาพิ (Image representation) เพิ่�ออธีิบายล้ักษณะของวัตถืุ เช่่น
            ส่เปกตรัมม่คัวามพิิเศษตรงที่่�ส่ามารถืเก็บข้อมูล้ได้้มากกว่าที่่�ตา ขนาด้ รูปร่างหร่อพิ่�นผิว แล้ะตำาหนิ หร่อใช่้วิธี่การอธีิบายภาพิ (Image
            มนุษย์มองเห็นแล้ะล้ะเอ่ยด้กว่ากล้้องถื่ายรูปที่ั�วไป โด้ยไม่เพิ่ยงแคั่ description) เพิ่�อใช่้ประโยช่น์จากข้อมูล้เช่ิงปริมาณ เช่่น การวิเคัราะห์
            บันที่ึกส่่ส่ัน แต่ยังช่่วยเก็บเอกล้ักษณ์เฉพิาะของแส่งแต่ล้ะจุด้ในภาพิ  เน่�อกุ้งจากภาพิเพิ่�อคัาด้การณ์ระด้ับคัวามช่่�น เป็นต้น
            จึงที่ำาให้ส่ามารถืระบุช่นิด้แล้ะส่ภาพิของวัตถืุนั�นได้้ ตัวอย่างการใช่้งาน   การประมวัล้ผล้ภาพระดับสูง เปร่ยบเส่ม่อนขั�นตอนส่รุปผล้
            เช่่น ผู้ผล้ิตอาหารส่ามารถืใช่้เที่คัโนโล้ย่น่�ในการตรวจจับจุด้เน่าเส่่ย  การวิเคัราะห์ในระบบ Machine vision วิธี่น่�จะใช่้ส่ถืิติหร่อการเร่ยนรู้เช่ิงล้ึก
            บนผล้ไม้ ใช่้ประเมินคัุณภาพิของอาหาร แล้ะใช่้ตรวจส่อบคัวามส่ด้ ในการจัด้กลุ้่มวัตถืุที่่�ส่นใจเพิ่�อกำาหนด้ขั�นตอนการประมวล้ผล้ต่อไป ซึ่ึ�ง
            ของไข่ อ่กที่ั�งเที่คัโนโล้ย่น่�ยังม่ศักยภาพิมากพิอที่่�จะเปล้่�ยนแปล้งวิธี่ ขั�นตอนน่�จะใช่้อัล้กอริที่ึมในการแบ่งจำาแนกข้อมูล้แบบต่างๆ เช่่น
            วิเคัราะห์แล้ะคัวบคัุมคัุณภาพิของวัตถืุด้ิบได้้ในหล้ายอุตส่าหกรรม  การคัำานวณหาเพิ่�อนบ้านใกล้้สุ่ด้ (K-nearest neighbor) แล้ะซึ่ัพิพิอร์ตเวกเตอร์-

               นอกจากน่�ยังม่เที่คันิคัการเก็บภาพิเพิ่�อตรวจส่อบผล้ิตภัณฑ์์โด้ย แมช่ช่่น (Support vector machine) ในการต่คัวามภาพิ ตัวอย่างเช่่น
            ไม่ส่ัมผัส่อาหารที่่�น่าส่นใจอ่กส่องวิธี่ ได้้แก่ การถื่ายภาพิคัวามร้อน  ระบบที่่�ใช่้การวิเคัราะห์ภาพิในการคัวบคัุมการฉ่ด้นำ�าเพิ่�อกำาจัด้ก้าน
            (Thermal Imaging) แล้ะการส่ร้างภาพิด้้วยคัล้่�นส่นามแม่เหล้็ก  ส่ตรอว์เบอร์ร่ หร่อหุ่นยนต์ที่่�ใช่้ภาพิในการระบุตำาแหน่งแล้ะหยิบเน่�อไก่
            (Magnetic Resonance Imaging; MRI) โด้ยการถุ่ายภาพควัามร้อน  โด้ยขั�นตอนน่�จะช่่วยให้ระบบ Machine vision ส่ามารถืต่คัวามข้อมูล้
            จะใช่้พิล้ังงานอินฟราเรด้ (คัวามร้อน) เพิ่�อส่ร้างภาพิที่่�แส่ด้งอุณหภูมิ ที่่�รวบรวมไว้แล้ะใช่้ตัด้ส่ินใจด้ำาเนินการตามที่่�ต้องการได้้
            ในแต่ล้ะส่่วนของอาหาร ซึ่ึ�งม่ประโยช่น์ในการติด้ตามกระบวนการ
            ผล้ิตอาหาร เช่่น การเตร่ยมวัตถืุด้ิบแล้ะการฆ่่าเช่่�อ รวมถืึงใช่้ตรวจจับ ยุุคใหม่่เริ่่�ม่ต้้นขึ้้�นแล้้ว
            คัวามเส่่ยหายในผักผล้ไม้ส่ด้ได้้ เช่่น ใช่้ตรวจจับคัวามเส่่ยหาย           ปัจจุบันม่การใช่้ระบบ Machine vision อย่างแพิร่หล้าย ที่ั�งใช่้ใน
            จากคัวามร้อนในผล้ฝรั�ง ส่่วน MRI นั�น คัล้้ายกับการใช่้ในขั�นตอน การตรวจส่อบคัวามปล้อด้ภัยอาหาร การคัวบคัุมกระบวนการผล้ิต แล้ะ
            ที่างการแพิที่ย์ โด้ยใช่้ส่นามแม่เหล้็กแล้ะคัล้่�นวิที่ยุเพิ่�อส่ร้างภาพิ การตรวจส่อบส่ิ�งปล้อมปน ซึ่ึ�งเที่คัโนโล้ย่น่�ช่่วยเพิิ�มที่ั�งคัวามรวด้เร็วแล้ะ
            โคัรงส่ร้างภายในของอาหารอย่างล้ะเอ่ยด้ วิธี่น่�เหมาะส่ำาหรับการใช่้ ประส่ิที่ธีิภาพิในระด้ับอุตส่าหกรรมได้้อย่างมาก แล้ะที่ำาให้ผู้ผล้ิตมั�นใจว่า
            เพิ่�อวิเคัราะห์การกระจายของคัวามร้อน คัวามช่่�น แล้ะอุณหภูมิ ส่ามารถืส่่งมอบอาหารที่่�ปล้อด้ภัยยิ�งขึ�นให้แก่ผู้บริโภคัได้้ แม้ว่าจะยังม่
            ภายในอาหารที่่�ม่โคัรงส่ร้างซึ่ับซึ่้อนอย่างเน่�อส่ัตว์แปรรูป นอกจากน่�  ข้อจำากัด้อยู่บ้าง แต่การนำาระบบ Machine vision มาใช่้ในกระบวนการ
            MRI ยังช่่วยประเมินเน่�อส่ัมผัส่ของผล้ิตภัณฑ์์อาหารได้้อ่กด้้วย  ผล้ิตอาหารก็ม่แนวโน้มเพิิ�มขึ�นอย่างต่อเน่�อง แล้ะคัาด้ว่าจะม่การประยุกต์
               ขั�นตอนถืัด้ไปคั่อการประมวล้ผล้ภาพิที่่�ได้้ ซึ่ึ�งเป็นการวิเคัราะห์ ใช่้อย่างกว้างขวางมากขึ�นในอนาคัตอันใกล้้
            แล้ะใช่้ภาพิเพิ่�อคััด้แยกหร่อปรับปรุงคัุณส่มบัติเฉพิาะบางประการ
            ซึ่ึ�งคัล้้ายคัล้ึงกับการประมวล้ผล้ส่ัญญาณด้ิจิที่ัล้ที่่�เน้นใช่้ประโยช่น์
            ในที่างเที่คันิคัมากกว่าการที่ำาคัวามเข้าใจองคั์ประกอบของภาพิ

            กระบวนการประมวล้ผล้ภาพิน่�ส่ามารถืแบ่งได้้เป็น 3 ระด้ับ คั่อ ระด้ับ  More Information  Service Info C006
            พิ่�นฐาน (คัวามส่ว่างแล้ะคัอนที่ราส่ต์) ระด้ับกล้าง (เน้นคัุณส่มบัติ
            เฉพิาะอย่าง) แล้ะระด้ับสู่ง (อาจม่การต่คัวามภาพิร่วมด้้วย)

            44   FOOD FOCUS THAILAND  JUL  2024


                                                                                                                     24/6/2567 BE   20:08
         42-46_Strong QC&QA.indd   44
         42-46_Strong QC&QA.indd   44                                                                                24/6/2567 BE   20:08
   39   40   41   42   43   44   45   46   47   48   49