การประเมินประสิทธิภาพของเทคนิคการเพิ่มคุณภาพของภาพ เพื่อการตรวจจับกรวยจราจรในช่วงเวลาพลบค่ำด้วย YOLOv8

บทคัดย่อ

การวิจัยนี้มุ่งศึกษาผลกระทบของเทคนิคการเพิ่มคุณภาพของภาพในรูปแบบต่าง ๆ ที่มีต่อประสิทธิภาพของระบบตรวจจับกรวยจราจรโดยใช้สถาปัตยกรรม YOLOv8 โดยจำลองสถานการณ์การวางกรวยจราจรตามแนวไหล่ทางทั้งสองฝั่งของถนน เพื่อใช้เป็นสัญญาณเตือนและลดความเสี่ยงของอุบัติเหตุจากสภาพไหล่ทาง การเก็บข้อมูลดำเนินการผ่านการบันทึกวิดีโอจริงโดยใช้กล้องสมาร์ตโฟนติดหน้ารถยนต์ ซึ่งมีเซนเซอร์ CMOS และเลนส์มุมกว้างที่ความละเอียด 1920x1080 พิกเซล ในช่วงเวลาพลบค่ำระหว่างเวลา 18.30–19.00 น. ซึ่งเป็นช่วงที่ค่าความสว่างของแสงโดยทั่วไปอยู่ในช่วงประมาณ 1–10 ลักซ์ ส่งผลให้ทัศนวิสัยต่ำและความคมชัดของภาพลดลงอย่างมีนัยสำคัญ วิดีโอดังกล่าวถูกสกัดออกมาเป็นจำนวน 900 เฟรม จากนั้นเฟรมทั้งหมดจะถูกจัดเป็นชุดข้อมูลพื้นฐานชุดที่ 1 (SRC) และสำเนาอีก 5 ชุด เพื่อเข้าสู่กระบวนการปรับปรุงคุณภาพภาพด้วยเทคนิคต่าง ๆ ได้แก่ 1) การปรับเชิงเส้น (LIN), 2) การปรับสมดุลฮิสโตแกรม (HE), 3) การเพิ่มคุณภาพภาพแบบลอการิทึม (LOG), 4) การปรับเชิงเส้นร่วมกับการจัดการความอิ่มตัวของสี (LIN-SAT) และ 5) การปรับสมดุลฮิสโตแกรมโดยจำกัดความเปรียบต่าง (CLAHE) กระบวนการตรวจจับกรวยจราจรดำเนินการด้วยสถาปัตยกรรม YOLOv8 โดยใช้โมเดลเฉพาะทางที่ผ่านการฝึกฝนเพื่อการตรวจจับกรวยโดยเฉพาะ การประเมินประสิทธิภาพใช้ตัวชี้วัด ได้แก่ จำนวนกรวยเฉลี่ยต่อเฟรม ความแม่นยำ (Precision) ความครอบคลุม (Recall) ค่าความสมดุลระหว่างความแม่นยำและความครอบคลุม (F1 Score) ความถูกต้อง (Accuracy) และค่าเฉลี่ยความเชื่อมั่น (Average Confidence) ผลการทดลองพบว่า การประมวลผลภาพด้วยการปรับสมดุลฮิสโตแกรมโดยจำกัดความเปรียบต่างให้ประสิทธิภาพโดยรวมดีที่สุด โดยได้จำนวนกรวยเฉลี่ยต่อเฟรมเท่ากับ 4.7 ความแม่นยำเท่ากับ 98.74%, ความครอบคลุมเท่ากับ 77.78% ค่าความสมดุลระหว่างความแม่นยำและความครอบคลุมเท่ากับ 87.01% ความถูกต้องเท่ากับ 77.01% และค่าเฉลี่ยความเชื่อมั่นเท่ากับ 62.22% ดังนั้น การประยุกต์ใช้เทคนิคการปรับสมดุลฮิสโตแกรมโดยจำกัดความเปรียบต่างจึงมีศักยภาพในการเพิ่มประสิทธิภาพและความน่าเชื่อถือของระบบตรวจจับกรวยจราจรด้วย YOLOv8 ภายใต้สภาพแสงน้อยได้อย่างมีนัยสำคัญ