การพัฒนาแบบจำลองการเรียนรู้เชิงลึกสำหรับการตรวจจับหลุมบนพื้นถนน

Abstract

งานวิจัยนี้ มีวัตถุประสงค์เพื่อพัฒนาแบบจำลองการเรียนรู้เชิงลึกในการตรวจจับหลุมบนถนน โดยเลือกใช้โมเดล YOLOv8 พร้อมทั้งศึกษาปัจจัยที่อาจส่งผลต่อประสิทธิภาพของแบบจำลอง เช่น จำนวนข้อมูลภาพ สภาพแสง เวลาที่เก็บข้อมูล ความเร็วในการขับรถ และสถานการณ์จราจร ภาพและวิดีโอที่ใช้ในงานวิจัยรวบรวมจากถนนเทพรัตน (บางนา–ตราด กม.38–39) จังหวัดฉะเชิงเทรา ด้วยอุปกรณ์ iPhone 12 ข้อมูลทั้งหมดถูกเตรียมและติดป้ายกำกับผ่านแพลตฟอร์ม Roboflow จากนั้นมีการประเมินผลด้วยค่าความแม่นยำ (precision), recall และ mAP@50 ผลการทดลองบ่งชี้ว่า แบบจำลองมี precision 68.2% recall 59.2% และ mAP@50 อยู่ที่ 63.3% แสดงถึงความเป็นไปได้ในการนำแบบจำลองไปใช้ตรวจสอบสภาพถนนโดยอัตโนมัติ เพื่อช่วยเสริมสร้างการบำรุงรักษาแบบป้องกันล่วงหน้าและเพิ่มระดับความปลอดภัยบนท้องถนน