การศึกษาและพัฒนาต้นแบบปัญญาประดิษฐ์เพื่อระบบตรวจจับการเกิดไฟป่าด้วยข้อมูลภาพจากอากาศยานไร้คนขับ

บทคัดย่อ

โครงการวิจัยในครั้งนี้มีวัตถุประสงค์ของการศึกษา คือ 1) เพื่อบินถ่ายภาพทางอากาศของเหตุการณ์ การเกิดไฟป่าในพื้นที่ศึกษาด้วยอากาศยานไร้คนขับ และ 2) เพื่อศึกษาและพัฒนาระบบปัญญาประดิษฐ์ ในการตรวจจับการเกิดไฟป่าด้วยระบบอากาศยานไร้คนขับในพื้นที่เฝ้าระวังการเกิดไฟป่าซ้ำซาก ผลของ การศึกษาจากการบินถ่ายภาพทางอากาศของภาพการเกิดไฟป่าจริงในพื้นที่ศึกษาด้วยอากาศยานไร้คนขับ ขนาดเล็กเพื่อนำมาใช้เป็นภาพต้นแบบของการสร้างการเรียนรู้ข้อมูลให้กับระบบปัญญาประดิษฐ์ในการตรวจจับ การเกิดไฟป่าในพื้นที่จริง การทดลองได้ใช้ภาพที่ถูกกำหนดให้มีไฟ จำนวน 655 ภาพ และไม่มีไฟ จำนวน 3,881 ภาพ โดยมีการแบ่งข้อมูลใช้ในการทดลองเป็น 3 กลุ่ม คือ กลุ่มแรกใช้ในการฝึกสอน (train) กลุ่มที่สอง ใช้ในการประเมินความลำเอียงของโมเดล (validation) และกลุ่มที่สามใช้ทดสอบโมเดล (test) หลังจากนั้น ได้แบ่งข้อมูลออกเป็นสองส่วนเพื่อนำมาทดสอบ โดยที่ใช้เทรนโมเดล จำนวน 840 ภาพ ทดสอบความเร็ว และความถูกต้องโมเดล จำนวน 208 ภาพ และทดสอบการใช้งานโมเดล จำนวน 262 ภาพ งานวิจัยนี้ได้ใช้ เครื่องมือวัดประสิทธิภาพของโมเดล 4 ชนิด คือ Accuracy, Sensitivity, Specificity, และ Matthews correlation coefficient ซึ่งได้นำมาทดสอบด้วยวิธี direct validation โดยในการนี้ได้ทดลองใช้อัลกอริทึม ของการเรียนรู้เชิงลึกมาทดสอบ 6 ชนิด คือ Restnet18, Restnet34, Alexnet, Vgg11, Densenet121 และ Vgg16 และได้ทำการใช้กลุ่มภาพที่แยกไว้สำหรับสอนโมเดลทำการสอนโมเดลโดยใช้ Densenet121 ในระบบ Kaggle เพื่อฝึกสอนโมเดลเชิงลึก ซึ่งได้ผลลัพธ์ออกมาเป็นโมเดลที่พร้อมใช้งานที่มีประสิทธิภาพของการสอน ทั้งหมดจำนวน 10 รอบ โดยจากผลลัพธ์เห็นได้ว่า จำนวนเปอร์เซ็นต์ความแม่นยำ (accuracy) จะเพิ่มขึ้นจาก 44.97% ไปจนถึง 68.42% ตามลำดับ และจำนวนครั้งที่ได้รับการฝึกสอนให้กับโมเดล