งานวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบการตรวจวัดปริมาณอาหารปลาระหว่างการนับด้วยสายตาของมนุษย์กับการใช้เทคนิคประมวลผลภาพแบบเทรชโฮลด์ และการหาขอบภาพ แล้วจัดกลุ่มของอาหารปลาที่ได้จากพื้นที่ของเทคนิคประมวลผลภาพ โดยแบ่งอาหารปลาออกเป็น 3 กลุ่ม ได้แก่ 40 กรัม 80 กรัม และ 120 กรัม จำนวน 3 ซ้ำ ทำการนับจำนวนเม็ดอาหารปลา แล้วนำแต่ละกลุ่มตัวอย่างใส่ลงในบ่อพลาสติกที่มีน้ำ นาน 5 นาที แล้วทำการบันทึกภาพด้วยกล้องที่ความสูงจากขอบบ่อ 60 เซนติเมตร นำภาพที่ได้เข้าประมวลผลด้วยโปรแกรม Matlab เปลี่ยนภาพถ่ายที่ได้ให้เป็นขาว ดำ แล้วหาพื้นที่ของอาหารปลาจากพื้นที่กลุ่มพิกเซล ผลการทดลองพบว่าการใช้เทคนิคประมวลผลภาพแบบเทรชโฮลด์ให้ค่าใกล้เคียงกับการนับด้วยสายตาของมนุษย์มากกว่าวิธีการหาขอบภาพ โดยให้ค่าความแม่นยำ 81-91 เปอร์เซ็นต์ ส่วนการหาขอบภาพให้ค่าแม่นยำ 30-52 เปอร์เซ็นต์ ในส่วนการจัดกลุ่มอาหารปลาผลการทดลองพบว่าการใช้เทคนิคประมวลผลภาพแบบเทรชโฮลด์ให้ค่าความแม่นยำในการจำแนกกลุ่ม 92-100 เปอร์เซ็นต์ นอกเหนือจากนั้นได้วิจัยเพิ่มในส่วนการเรียนรู้ด้วยเครื่องจักร ผลการทดลองพบว่าให้ค่าความแม่นยำ 100 เปอร์เซ็นต์
The objective of this research was to compare the measurement of fish feed between human visual counting and the use of Threshold image processing technique and Edge detection, and then grouped fish food obtained from the area of image processing technique by dividing fish feed into 3 groups: 40 grams, 80 grams and 120 grams for 3 replications. The results showed that the use of Threshold image processing techniques yielded values closer to human visual counting than the Edge detection method. It provides 81-91 % accuracy, while Edge detection determination provides 30-52 % accuracy. As for grouping fish food, the results showed that using the image processing technique Threshold gave group classification accuracy of 92-100 percent. In addition, additional research was conducted in the area of machine learning. The results of the experiment were found to provide 100 percent accuracy.
