nineone1: Computer Vision

วันเสาร์ที่ 30 พฤษภาคม พ.ศ. 2569

AI ตอนที่ 3: Computer Vision กับการตรวจสอบคุณภาพในโรงงาน

ใช้ AI ตรวจสอบคุณภาพสินค้า

Computer Vision เป็นสาขาหนึ่งของ AI ที่ทำให้คอมพิวเตอร์เข้าใจภาพและวิดีโอ ในโรงงานอุตสาหกรรมนำมาใช้ตรวจสอบคุณภาพสินค้าแทนสายตามนุษย์

1. ทำไมต้องใช้ AI แทนคน?

ปัจจัย	คนตรวจสอบ	AI ตรวจสอบ
ความเร็ว	50-100 ชิ้น/ชม.	1,000+ ชิ้น/ชม.
ความแม่นยำ	85-95%	98-99.5%
ทำงานต่อเนื่อง	8 ชม./กะ	24 ชม.
ความเหนื่อย	ลดลงเมื่อยล้า	คงที่เสมอ
ต้นทุน/เดือน	15,000-25,000 บาท	5,000-10,000 บาท (amortized)

2. ประเภทของ Defect ที่ตรวจจับได้

Scratch: รอยขีดข่วนบนผิว
Dent: รอยบุ๋ม
Crack: รอยแตก
Discoloration: สีผิดปกติ
Missing Part: ชิ้นส่วนขาด
Wrong Assembly: ประกอบผิด

3. ขั้นตอนการสร้างระบบ

ขั้นตอนที่ 1: เก็บภาพตัวอย่าง

ภาพสินค้าปกติ 500-1,000 ภาพ
ภาพสินค้ามีตำหนิ 500-1,000 ภาพ
ถ่ายจากหลายมุม, หลายแสง

ขั้นตอนที่ 2: Label ข้อมูล

วาด Bounding Box รอบตำหนิ
ระบุประเภทตำหนิ
ใช้เครื่องมือ LabelImg หรือ CVAT

ขั้นตอนที่ 3: เลือกโมเดล

YOLO (Real-time detection)
Faster R-CNN (Accuracy สูง)
EfficientDet (สมดุล Speed/Accuracy)

ขั้นตอนที่ 4: ฝึกสอนและ Deploy

ฝึกสอนด้วย GPU
Deploy บน Edge Device (NVIDIA Jetson)
เชื่อมต่อกับสายพาน

4. ตัวอย่างโค้ด Python (YOLOv8)

from ultralytics import YOLO

# โหลดโมเดลที่ฝึกสอนแล้ว
model = YOLO('best.pt')

# ตรวจจับตำหนิในภาพ
results = model('product_image.jpg')

# แสดงผลลัพธ์
for r in results:
    for box in r.boxes:
        cls = int(box.cls[0])
        conf = float(box.conf[0])
        print(f'Defect: {r.names[cls]}, Confidence: {conf:.2f}')