รางวัลการวิจัยแห่งชาติ2568 นี้ MVIT กับ 2 รางวัลวิจัยผลงานคุณภาพ Research Quality Achievement Award
1.ผลงานรางวัลวิจัยคุณภาพ เรื่อง การแยกส่วนและการวัดการเคลื่อนไหวของลิ้นในภาพวิดีโอโดยอัตโนมัติ สาขาสาขาเทคโนโลยีสารสนเทศและนิเทศศาสตร์ จากสำนักงานการวิจัยแห่งชาติ (วช)
"Automatic Tongue Segmentation and Its Movement Analysis in Video" NRCT, Research Quality Achievement Award in the field of Information Technology and Communication Art, The National Research Council of Thailand (NRCT)
นำโดย รศ.ดร.วรพันธ์ คู่สกุลนิรันดร์
และคณะประกอบด้วย
นางสาวปุณยนุช บวรจิณณ์
ดร.ศรัฐฐา กาญจนปรีชากร
นายฐานันดร อิ่มอารมณ์กุล
นายกิตตินันท์ อัคคะภิญโญ
นายกิตติคุณ ทองกัญชร
นายดิษศธร วรรทนธีรัช
ดร.โสภณ มงคลลักษมี
ผศ.ดร.รัตน์ชัยนันท์ ธรรมสุจริต
รศ.ดร.ปัณรสี ฤทธิประวัติ
พญ.พิมพ์ชนก เทือกต๊ะ
ผศ.นพ.ไพฑูรย์ เบ็ญจพรเลิศ
2.ผลงานรางวัลวิจัยคุณภาพ เรื่อง การระบุอัตลักษณ์ของโคและกระบือด้วยเทคโนโลยีไบโอเมตริก สาขาสาขาเทคโนโลยีสารสนเทศและนิเทศศาสตร์ จากสำนักงานการวิจัยแห่งชาติ (วช)
"Cattle AutoID: Biometric for Cattle Identification" NRCT, Research Quality Achievement Award in the field of Information Technology and Communication Art, The National Research Council of Thailand (NRCT)
นำโดย รศ.ดร.วรพันธ์ คู่สกุลนิรันดร์
และคณะประกอบด้วย
นายกิตติคุณ ทองกัญชร
รศ.ดร.น.สพ. อนุวัตน์ วิรัชสุดากุล
นายกันต์ธร พงษ์ลือเลิศ
นายชนาธิป ศิริแสงไพรวัลย์
นางสาวโอซ นารายณ์นา
การแยกส่วนและการวัดการเคลื่อนไหวของลิ้นในภาพวิดีโอโดยอัตโนมัติ (Automatic Tongue Segmentation and Its Movement Analysis in Video)
เป็นส่วนหนึ่งของงานวิจัยภายใต้โครงการใหญ่ จากความร่วมมือของคณะวิศวกรรมศาสตร์ คณะเทคโนโลยีสารสนเทศและการสื่อสาร และคณะแพทย์ศาสตร์โรงพายาบาลรามาธิบดี มหาวิทยาลัยมหิดล ที่ได้รับความร่วมมือจากนักพัฒนาที่เป็นทั้งศิษย์เก่า ICT ในระดับ ป.เอก ป.โท และตรี ที่จบไปจาก MVIT LAB เรา
การแยกส่วนและการวัดการเคลื่อนไหวของลิ้นในภาพวิดีโอโดยอัตโนมัติ (Automatic Tongue Segmentation and Its Movement Analysis in Video)
การแยกส่วนและการวัดการเคลื่อนไหวของลิ้นในภาพวิดีโอมีเป้าหมายสูงสุดที่อาศัยความรู้ขั้นสูงเกี่ยวกับการประมวลผลภาพและวิดีโอ เพื่อช่วยในการกายภาพบำบัดในช่องปากและการรักษา โดยให้ความสำคัญเน้นที่ส่วนการวิเคราะห์การเคลื่อนไหวของลิ้น ดังนั้นโครงการจึงแบ่งออกเป็น 3 งานหลัก ได้แก่ 1) การแบ่งส่วนลิ้นในรูปภาพ/วิดีโอ 2) การตรวจจับการเคลื่อนไหวของลิ้นในรูปภาพ/วิดีโอ และ 3) การออกแบบและพัฒนา UI/UX เพื่อประสบการณ์การใช้งานที่สะดวกของผู้ใช้จริง
แนวทางหลักที่ใช้ในการพัฒนาโมเดลในด้านการประมวลผลภาพและวิดีโอ คือ การใช้โครงข่ายประสาทเทียม (convolutional neural network) โดยได้เริ่มต้นจากวิธีการที่เป็นปัจจุบันและได้ทำการปรับปรุงแก้ไขวิธีการให้มีความเหมาะสมในการพัฒนาในโครงการ ในการพัฒนาโมเดลสำหรับจัดการกับการแบ่งส่วนลิ้นในรูปภาพ/วิดีโอ ในขณะวิธีการแบบ optical flow และ morphological operations ถูกนำไปใช้แปลผลภาพลิ้นที่แบ่งส่วนมาจากขั้นตอนก่อนหน้า เพื่อทำการวิเคราะห์การเคลื่อนไหวของลิ้น
จากนั้นโมเดลที่พัฒนาขึ้นสำหรับการแบ่งส่วน
และการวิเคราะห์การเคลื่อนไหวจะนำเข้าไปเชื่อมเข้ากับแพลตฟอร์มที่ใช้เว็บแอพพลิเคชั่นเพื่อให้ผู้ใช้สามารถใช้งานได้ง่ายขึ้น ข้อมูลทางสถิติรวมถึงความยาวและองศาของการเคลื่อนไหวของลิ้นจะถูกแสดงในรูปแบบของกราฟ ที่จะสามารถถูกนำไปใช้ต่อโดยผู้เชี่ยวชาญทางการแพทย์ในการรักษาและการติดตามความสามารถในการเคลื่อนไหวของลิ้นของผู้ป่วย ผลลัพธ์การแบ่งส่วนลิ้นมีความแม่นยำเฉลี่ยที่มากกว่า 92% และผลลัพธ์การวิเคราะห์การเคลื่อนไหวของลิ้นแบบ root mean square error ได้ผลโดยเฉลี่ยที่น้อยกว่า 1.0 เท่านั้น
The research project has an ultimate goal to develop a computer program based on advanced knowledge of image and video processing, to help in the oral physiotherapy and treatment. This work focuses on an analysis part of tongue movement. Therefore, the project is separated into 3 main tasks including 1) tongue segmentation in an image/video, 2) tongue’s movement detection in an image/video, and 3) UI/UX design and development for a friendly user experience.
The convolutional neural network (CNN) based approaches were developed to address the tongue segmentation. While, the optical flow and morphological operations are applied on the segmented tongues for the motion analysis. The developed models for tong segmentation and motion analysis are then plugged in the web application-based platform for an easy use of target users.
The statistical information including lengths and degrees of tongue’s movement is plotted in a format of graph for a further interpretation by medical experts. The segmentation results are promising with the accuracy over 92 % in an average, while average root mean square error (RSME) of less than 1.0.
Researcher Team:
Assoc.Prof.Dr.Worapan Kusakunniran Miss.Punyanuch Borwarnginn
Dr.Sarattha Karnjanapreechakorn
Mr.Thanandon Imaromkul
Mr.Kittinun Aukkapinyo
Mr.Kittikhun Thongkanchorn
Mr.Disathon Wattanadhirach
Dr.Sophon Mongkolluksamee
Asst.Prof.Dr.Ratchainant Thammasudjarit
Assoc.Prof.Dr.Panrasee Ritthipravat
Dr.Pimchanok Tuakta
Asst.Prof.Dr.Paitoon Benjapornlert
ลิขสิทธิ์ (Copyright) 2022: โปรแกรมการแยกส่วนของลิ้นในภาพวิดีโอโดยอัตโนมัติ และ โปรแกรมคอมพิวเตอร์วัดการเคลื่อนไหวของลิ้นด้วยเทคนิคออฟติคอลโฟลว์บนพื้นที่แบ่งส่วน
* Deep Upscale U-Net for Automatic Tongue Segmentation, Worapan Kusakunniran, Thanandon Imaromkul, Sophon Mongkolluksamee, Kittikhun Thongkanchorn, Panrasee Ritthipravat, Pimchanok Tuakta, Paitoon Benjapornlert, Medical & Biological Engineering & Computing (MBEC), 62(6):1751-1762, Online Published: 19 February 2024, Issue: June 2024 https://doi.org/10.1007/s11517-024-03051-w
* Automated Tongue Segmentation using Deep Encoder-Decoder Model, W. Kusakunniran, P. Borwarnginn, T. Imaromkul, K. Aukkapinyo, K. Thongkanchorn, D. Wattanadhirach, S. Mongkolluksamee, R. Thammasudjarit, P. Ritthipravat, P. Tuakta, P. Benjapornlert, Multimedia Tools and Applications (MTAP), 82:37661-37686, 20 March 2023 https://doi.org/10.1007/s11042-023-15061-1
* Encoder-Decoder Network with RMP for Tongue Segmentation, W. Kusakunniran, P. Borwarnginn, S. Karnjanapreechakorn, K. Thongkanchorn, P. Ritthipravat, P. Tuakta, P. Benjapornlert, Medical & Biological Engineering & Computing (MBEC), 61(5):1193-1207, January 2023 https://doi.org/10.1007/s11517-022-02761-3
* Measurement of Tongue Motion Using Optical Flows on Segmented Areas, W. Kusakunniran, K. Aukkapinyo, P. Borwarnginn, T. Imaromkul, K. Thongkanchorn, D. Wattanadhirach, S. Mongkolluksamee, R. Thammasudjarit, P. Ritthipravat, P. Tuakta, P. Benjapornlert, Thailand, January 2022, International Conference on Knowledge and Smart Technology (KST) https://doi.org/10.1109/KST53302.2022.9729063
การระบุอัตลักษณ์ของโคและกระบือด้วยเทคโนโลยีไบโอเมตริก (Cattle AutoID: Biometric for Cattle Identification) จากความร่วมมือของคณะสัตวแพทยศาสตร์ และ คณะเทคโนโลยีสารสนเทศและการสื่อสาร มหาวิทยาลัยมหิดล ที่ได้รับการสนับสนุนจากบริษัททรูคอร์เปอเรชั่นจำกัด และ องค์การส่งเสริมกิจการโคนมแห่งประเทศไทย (อสค) กับนักศึกษาปริญญาตรีหลักสูตร ICT ของ MVIT LAB
โครงการการระบุอัตลักษณ์ของโคและกระบือด้วยเทคโนโลยีไบโอเมตริก (Cattle AutoID: Biometric for Cattle Identification)
การระบุอัตลักษณ์ของสัตว์ เช่น โคนม ใช้เทคโนโลยีที่แตกต่างกัน เช่น RFID ป้ายติดหู และไมโครชิป อย่างไรก็ตาม วิธีการเหล่านี้มีข้อจำกัดที่แตกต่างกัน รวมถึง เรื่องค่าใช้จ่ายสูง การสูญหาย และอันตรายต่อผู้ปฏิบัติงานและสัตว์ ดังนั้นโครงการวิจัยนี้จึงเสนอวิธีแก้ปัญหาการระบุตัวโคนมโดยใช้ข้อมูลไบโอเมตริกซ์จากภาพใบหน้าของโคนม วิธีการที่พัฒนาขึ้นมานี้ได้รับการพัฒนาโดยใช้
Convolutional Neural Network (CNN) สำหรับทั้งขั้นตอนหลักในการค้นหาบริเวนของใบหน้าและการจดจำใบหน้า โมเดลในการค้นหาใบหน้าได้รับการพัฒนาโดยใช้สถาปัตยกรรม Single-Shot Detector (SSD) โดยที่โมเดลการจดจำใบหน้าได้รับการพัฒนาโดยใช้ FaceNet วิธีการที่นำเสนอนี้ได้รับการตรวจสอบความถูกต้องโดยใช้ชุดข้อมูลที่ทางโครงการวิจัยได้เก็บบักทึกเองในประเทศไทย ประกอบไปด้วยรูปภาพใบหน้า 2,432 ภาพจากโคนม 152 ตัวที่แตกต่างกัน ให้ความแม่นยำในการจดจำอัตลักษณ์โคนมสูงถึง 94.74% และ 83.45% ในระดับความแม่นยำของภาพถ่าย
Existing solutions of animal identification (i.e., cattle in this research project) are based on RFID, ear tag, and microchip. However, they are facing with difficulties of high cost, dislodged and lost, and harm to human operators and animals. Therefore, this paper proposes a biometric based solution of cattle identification using cattle’s face images. The proposed method is developed using a convolutional neural network (CNN) for both main steps of face localization and face recognition.
The face localization model is trained using a Single-Shot Detector (SSD) architecture, where the face recognition model is trained based on FaceNet. The proposed method is validated using our dataset containing 2,432 cattle images from 152 different cattle. It achieves 94.74% and 83.45% for subject-based and image-based accuracies respectively.
Researcher Team:
Assoc.Prof.Dr. Worapan Kusakunniran
Mr.Kittikhun Thongkanchorn
Assoc.Prof.Dr. Anuwat Wiratsudakul
Mr.Kunthorn Phongluelert
Mr.Chanathip Sirisangpaival
Miss.Osh Narayan
ระบบการระบุอัตลักษณ์ของสัตว์ด้วยเทคโนโลยีไบโอเมทริกซ์ (Biometric) อนุสิทธิบัติ(Petty Patent)
* Analysing Muzzle Pattern Images as a Biometric for Cattle Identification, W. Kusakunniran, A. Wiratsudakul, U. Chuachan, T. Imaromkul, S. Kanchanapreechakorn, N. Suksriupatham, K. Thongkanchorn, International Journal of Biometrics (IJBM), 13(4):367-384, June 2021 https://doi.org/10.1504/IJBM.2021.117852
* Biometric for Cattle Identification using Muzzle Patterns, W. Kusakunniran, A. Wiratsudakul, U. Chuachan, S. Kanchanapreechakorn, T. Imaromkul, N. Suksriupatham, K. Thongkanchorn, International Journal of Pattern Recognition and Artificial Intelligence (IJPRAI), 34(12):2056007-1 to 2056007-21, November 2020 https://doi.org/10.1142/S0218001420560078
* Cattle AutoID: Biometric for Cattle Identification, Worapan Kusakunniran, Kunthorn Phongluelert, Chanathip Sirisangpaival, Osh Narayan, Kittikhun Thongkanchorn, Anuwat Wiratsudakul, Indonesia, October 2023, International Conference on Sustainable Information Engineering and Technology (SIET 2023) https://doi.org/10.1145/3626641.3627215
* Automatic Cattle Identification based on Multi-Channel LBP on Muzzle Images, W. Kusakunniran, T. Chaiviroonjaroen, Indonesia, November 2018, International Conference on Sustainable Information Engineering and Technology (SIET2018) https://doi.org/10.1109/SIET.2018.8693161
* BuffScan: Light to the new era of animal biometric identification in Thailand, A. Wiratsudakul, U. Chuachan, W. Kusakunniran, S. Kanchanapreechakorn, T. Imaromkul, Argentina, September 2018, International Congress on Tropical Veterinary Medicine http://isvee.net/scientific-information/poster-presentation/
* Automatic Cattle Identification based on Fusion of Texture Features Extracted from Muzzle Images, W. Kusakunniran, A. Wiratsudakul, U. Chuachan, S. Kanchanapreechakorn, T. Imaromkul, France, February 2018, IEEE International Conference on Industrial Technology (ICIT) https://doi.org/10.1109/ICIT.2018.8352400
- 6
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2024 Blockdit
