การระบุระดับน้ำในคลองชลประทานด้วยการหาเส้นขอบภาพ แบบฟัซซี่ลอจิก Flipbook PDF

ในปัจจุบันภาวะโลกร้อนเป็นปัญหาใหญ่ของโลกและอุทกภัยเป็นภัยพิบัติธรรมชาติหนึ่งซึ่งเกิดจากสาเหตุของภาวะโลกร้อน ภัยพิบัติจาก

---

116 Views
83 Downloads
FLIP PDF 44.03MB

DOWNLOAD FLIP

REPORT DMCA

การระบุระดับนํา� ในคลองชลประทานด้วยการหาเส้นขอบภาพ แบบฟัซซี่ลอจิก IDENTIFICATION OF WATER LEVEL IN IRRIGATION CANAL BASED ON FUZZY LOGIC EDGE DETECTION

ยุติ ฉัตรวรานนท์ YUTTI CHATWARANON

วิทยานิพนธ์นีเ้ ป็ นส่วนหนึ่งของการศึกษาตามหลักสู ตรปริญญาวิศวกรรมศาสตรมหาบัณฑิต สาขาวิชาวิศวกรรมไฟฟ้า คณะวิศวกรรมศาสตร์ สถาบันเทคโนโลยีปทุมวัน ปี การศึกษา 2559 PIT-2016-M-ENG-EEE-007

การระบุระดับนา้ ในคลองชลประทานด้ วยการหาเส้ นขอบภาพ แบบฟัซซี่ลอจิก

ยุติ ฉัตรวรานนท์

วิทยานิพนธ์ นีเ้ ป็ นส่ วนหนึ่งของการศึกษาตามหลักสู ตรปริญญาวิศวกรรมศาสตรมหาบัณฑิต สาขาวิชาวิศวกรรมไฟฟ้ า คณะวิศวกรรมศาสตร์ สถาบันเทคโนโลยีปทุมวัน ปี การศึกษา 2559 PIT-2016-M-ENG-EEE-007

IDENTIFICATION OF WATER LEVEL IN IRRIGATION CANAL BASED ON FUZZY LOGIC EDGE DETECTION

YUTTI CHATWARANON

A THESIS SUBMITTED IN PARTIAL FULFILLMENT OF THE REQUIREMENT FOR THE DEGREE OF MASTER OF ENGINEERING IN ELECTRICAL ENGINEERING FACULTY OF ENGINEERING PATHUMWAN INSTITUTE OF TECHNOLOGY 2016 PIT-2016-M-ENG-EEE-007

COPYRIGHT 2016 FACULTY OF ENGINEERING PATHUMWAN INSTITUTE OF TECHNOLOGY

คณะวิศวกรรมศาสตร์ สถาบันเทคโนโลยีปทุมวัน ใบรับรองวิทยานิพนธ์ -----------------------------------------หัวข้ อวิทยานิพนธ์

การระบุระดับน้ าในคลองชลประทานด้วยการหาเส้นขอบภาพ แบบฟัซซี่ลอจิก Identification of Water Level in Irrigation Canal Based on

Thesis Title

Fuzzy Logic Edge Detection. หมายเลขวิทยานิพนธ์ นักศึกษา

PIT-2016-M-ENG-EEE-007 นายยุติ ฉัตรวรานนท์

รหัสประจาตัว

5601021715

ปริญญา

วิศวกรรมศาสตรมหาบัณฑิต

สาขาวิชา

วิศวกรรมไฟฟ้า

อาจารย์ ทปี่ รึกษาวิทยานิพนธ์

ผูช้ ่วยศาสตราจารย์ ดร.สกล อุดมศิริ

อาจารย์ทปี่ รึกษาร่ วม

ดร.วชิ ราภรณ์ เพิ่มพูนสิ นทรัพย์

คณะกรรมการสอบวิทยานิพนธ์

ลายมือชื่ อ

รองศาสตราจารย์ ดร.สันติ หวังนิพพานโต

ประธาน

ผูช้ ่วยศาสตราจารย์ ดร.สกล

กรรมการ

อุดมศิริ

ผูช้ ่วยศาสตราจารย์ ดร.เชาวลิต มิตรสันติสุข

กรรมการ

ดร. วชิราภรณ์ เพิ่มพูนสิ นทรัพย์

กรรมการ คณะวิศวกรรมศาสตร์ รับรองแล้ว

(รองศาสตราจารย์ ดร.พงษ์พนั ธุ์ ฤกษ์ขมุ ทรัพย์) คณบดีคณะวิศวกรรมศาสตร์

IV

หัวข้ อวิทยานิพนธ์

การระบุระดับน้ าในคลองชลประทานด้วยการหาเส้นขอบภาพ แบบฟัซซี่ลอจิก

นักศึกษา

นายยุติ ฉัตรวรานนท์

รหัสประจาตัว

5601021715

ปริญญา

วิศวกรรมศาสตรมหาบัณฑิต

สาขาวิชา

วิศวกรรมไฟฟ้า

ปี การศึกษา

2559

อาจารย์ทปี่ รึกษาวิทยานิพนธ์

ผูช้ ่วยศาสตราจารย์ ดร.สกล อุดมศิริ

อาจารย์ทปี่ รึกษาร่ วม

ดร.วชิ ราภรณ์ เพิ่มพูนสิ นทรัพย์

บทคัดย่ อ ในปั จจุบนั ภาวะโลกร้อนเป็ นปั ญหาใหญ่ของโลกและอุทกภัยเป็ นภัยพิบตั ิ ธรรมชาติหนึ่ ง ซึ่ งเกิดจากสาเหตุของภาวะโลกร้อน ภัยพิบตั ิจากอุทกภัยจะทาลายชีวิตและทรัพย์สินของประชาชน การเตือนภัยของระดับน้ ามีความสาคัญมากสาหรับการวางแผน การบรรเทาทุกข์และลดความเสี่ ยง จากอุทกภัยในอนาคต ในการสังเกตระดับน้ าได้มีการนาเครื่ องมือมาประยุกต์ใช้ เช่น แผ่นวัดระดับ น้ า หรื อ กล้องวงจรปิ ด โดยการเทียบกับตลิ่ง ในวิทยานิพนธ์ น้ ี มีวตั ถุประสงค์เพื่อพัฒนาเครื่ องมือ ส าหรั บ ตรวจวัด ระดับ น้ า ในคลองชลประทานด้วยวิธี ก ารหาขอบภาพแบบฟั ซ ซี่ ล อจิ ก โดยได้ เปรี ยบเที ยบกับวิธีการหาขอบภาพแบบพรี วิทและวิธีการหาขอบภาพแบบโซเบล จากวิธีการหา ขอบภาพข้างต้นส่ วนดิ นและส่ วนน้ าในภาพจะถู กแยกออกจากกัน ในการระบุ เส้ นแบ่งระหว่าง พื้ น ดิ น กับ ผิ ว น้ า ระยะทางแบบยู ค ลิ เ ดี ย นได้ถู ก น ามาประยุ ก ต์ใ ช้ ก ับ พื้ น ที่ ศึ ก ษา ได้แ ก่ คลอง ชลประทาน อาเภอนครชัยศรี จังหวัดนครปฐม และลาธาร ในจังหวัดกาญจนบุรี รวมถึงแบบการ จาลองระดับน้ า กรณี ศึกษาการทดลองได้บนั ทึกและแปลงวิดิโอเป็ นเฟรมที่แต่ละพื้นที่ศึกษา การ ประเมินประสิ ทธิ ภาพของวิธีการหาขอบภาพ วิธีการหาค่าความผิดพลาดกาลังสองเฉลี่ย วิธีการหา ค่ารากที่สองของค่าคลาดเคลื่ อนกาลังสองเฉลี่ ยและวิธีการหาค่าความผิดพลาดสัมบูรณ์ เฉลี่ ยถู ก น ามาค านวณ ผลการทดลองพบว่ า ประสิ ท ธิ ภ าพของวิ ธี ก ารหาขอบภาพแบบฟั ซ ซี่ ล อจิ ก มี ประสิ ทธิ ภาพดี กว่าการวิธีการหาขอบภาพแบบพรี วิทและวิธีการหาขอบภาพแบบโซเบล ดังนั้น วิธีการหาขอบภาพแบบฟัซซี่ ลอจิกสามารถวัดระดับน้ าได้อย่างดีและมีประสิ ทธิภาพ

คาสาคัญ: ระดับน้ า, วิธีการหาขอบภาพ, คลองชลประทาน

V

Thesis Title

Identification of Water Level in Irrigation Canal based on Fuzzy Logic Edge Detection.

Student

Mr. Yutti Chatwaranon

Student ID.

5601021715

Degree

Master of Engineering

Program

Electrical Engineering

Academic Year

2016

Thesis Advisor

Asst.Prof.Dr. Sakol Udomsiri

Thesis Co - advisor

Dr. Wachirapond Permpoonsinsup

Abstract In recent year, global warming is a big issue in the world and flood, a one of common natural disaster, is caused by global warming. Flood disaster may destroy the lives living and property of the people. Warning of water level is very important for planning, relieving and reducing the risk flood in the future. In observing of water level, the tools have been applied such as a staff gauge and Closed-circuit television (CCTV) by comparing with bank. In this thesis, the objective is to develop a tool for measuring the water level in irrigation canal with fuzzy logic edge detections by comparing to Prewitt and Sobel edge detections. As the edge detections above, the frame is detected. In order to identify the separated line between the land and water, Eudidean distance has been applied. The study areas are the irrigation canal at Nakhon Chai Si in Nakhon Pathom province and a stream in Kanchanaburi province including a water level prototype. The experiment cases have recorded and converted video to the frames at each study area.To evaluate the performance of the edge detection method, the mean square error (MSE), root mean square error (RMSE) and Mean Absolute Deviation (MAD) are calculated. The results show that the performance of fuzzy logic edge detection is better than both Prewitt and Sobel edge detections. Therefore, fuzzy logic edge detection is able to measure the water level, capably and effectively. Keywords: Identification, edge detection, fuzzy logic, irrigation canal,water level.

VI

กิตติกรรมประกาศ วิทยานิพนธ์เรื่ องการระบุระดับน้ า ในคลองชลประทานโดยการหาเส้ น ขอบภาพด้ว ยวิธี ฟั ซซี่ ลอจิก ประสบความสาเร็ จได้เนื่ องจากความอนุ เคราะห์ จากอาจารย์หลายท่านที่ให้คาแนะนา ให้คาปรึ กษา โดยเฉพาะผูช้ ่วยศาสตราจารย์ ดร.สกล อุดมศิริ และ ดร.วชิ ราภรณ์ เพิ่มพูนสิ นทรัพย์ หลักสู ตรวิศวกรรมศาสตรมหาบัณฑิตและดุษฏีบณ ั ฑิต สาขาวิศวกรรมไฟฟ้า สถาบันเทคโนโลยี ปทุมวัน ที่ช่วยให้คาชี้ แนะ ตักเตือน ข้อคิด ต่างๆ ในการจัดทาวิทยานิ พนธ์ และในการตรวจสอบ รายละเอียดความถู กต้องในวิทยานิ พนธ์ทุกขั้นตอน และขอบคุ ณอาจารย์ ของสถาบันเทคโนโลยี ปทุ ม วัน ทุ ก ท่ า นที่ ใ ห้ ค วามช่ วยเหลื อมาตลอดในการท าวิท ยานิ พ นธ์ ตลอดจน คณะกรรมการ ผูท้ รงคุ ณ วุ ฒิ ที่ ด าเนิ น ในการสอบวิ ท ยานิ พ นธ์ ทุ ก ท่ า นและผู ้ร่ ว มแสดงความคิ ด เห็ น ซึ่ งเป็ น ประโยชน์ต่อการจัดทาวิทยานิพนธ์ในเล่มนี้เป็ นอย่างมาก สุ ดท้ายนี้ขอกราบพระคุณบิดา มารดา และครอบครัวของผูจ้ ดั ทาวิทยานิพนธ์และผู ท้ ี่มีส่วน ร่ วมทุ ก ท่า นที่ ไ ด้ช่ วยส่ งเสริ ม สนับ สนุ น และเป็ นก าลังใจให้ผูจ้ ดั ทาวิทยานิ พนธ์ ค รั้ งนี้ ป ระสบ ความสาเร็ จได้ดีมาตลอดและสาเร็ จตามความคาดหวังที่ต้ งั ใจเอาไว้

นายยุติ ฉัตรวรานนท์ ผูจ้ ดั ทา

VII

สารบัญ

บทคัดย่อภาษาไทย บทคัดย่อภาษาอังกฤษ กิตติกรรมประกาศ สารบัญตาราง สารบัญภาพ บทที่ 1 บทนา 1.1 ความเป็ นมาและความสาคัญของปั ญหา 1.2 วัตถุประสงค์ 1.3 ขอบเขตการศึกษา 1.4 ประโยชน์ของการวิจยั 1.5 การทบทวนวรรณกรรม

หน้า IV V VI X XI 1 1 2 3 3 3

บทที่ 2 ทฤษฏีที่เกี่ยวข้อง 2.1 การวัดระดับน้ า 2.2 การประมวลผลภาพ 2.3 การหาขอบภาพ 2.4 โครงสร้างฟัซซี่ลอจิก 2.5 การดาเนินการของฟัซซี่เซต 2.6 ระยะทางแบบยูคลิเดียน (Euclidean distance) 2.7 วิธีการหาประสิ ทธิภาพของวิธีการหาขอบภาพ

8 8 9 11 18 20 21 22

บทที่ 3 วิธีการดาเนินการวิจยั 3.1 ขั้นตอนการวิจยั 3.2 พื้นที่และศึกษาข้อมูล 3.3 วิธีการติดตั้งกล้องขอบเขตของภาพ 3.4 วิธีการแปลงภาพสี เป็ นภาพโทนสี เทา 3.5 วิธีการหาขอบภาพ 3.6 วิธีการหาเส้นระบุระดับน้ า

24 24 26 29 30 31 34

VIII

3.7 การระบุระดับน้ าโดยการใช้ระยะทางแบบยูคลิเดียน 3.8 เครื่ องมือที่ใช้ในการทดลอง บทที่ 4 ผลการทดลอง 4.1 ผลการทดลองและการวิเคราะห์ระดับน้ า กรณี ศึกษาที่ 1 พื้นที่ศึกษา คลองชลประทาน อาเภอนครชัยศรี จังหวัดนครปฐม 4.2 ผลการทดลองและการวิเคราะห์ระดับน้ า กรณี ศึกษาที่ 2 พื้นที่ศึกษา คลองชลประทาน อาเภอนครชัยศรี จังหวัดนครปฐม 4.3 ผลการทดลองและการวิเคราะห์ระดับน้ า กรณี ศึกษาที่ 3 พื้นที่ศึกษา คลองชลประทาน อาเภอนครชัยศรี จังหวัดนครปฐม 4.4 ผลการทดลองและการวิเคราะห์ระดับน้ า กรณี ศึกษาที่ 4 พื้นที่ศึกษา คลองชลประทาน อาเภอนครชัยศรี จังหวัดนครปฐม 4.5 ผลการทดลองและการวิเคราะห์ระดับน้ า กรณี ศึกษาที่ 5 พื้นที่ศึกษา คลองชลประทาน อาเภอนครชัยศรี จังหวัดนครปฐม 4.6 ผลการทดลองและการวิเคราะห์ระดับน้ า กรณี ศึกษาที่ 1 พื้นที่ศึกษา ลาธาร จังหวัดกาญจนบุรี 4.7 ผลการทดลองและการวิเคราะห์ระดับน้ า กรณี ศึกษาที่ 2 พื้นที่ศึกษา ลาธาร จังหวัดกาญจนบุรี 4.8 ผลการทดลองและการวิเคราะห์ระดับน้ า กรณี ศึกษาที่ 3 พื้นที่ศึกษา ลาธาร จังหวัดกาญจนบุรี 4.9 ผลการทดลองและการวิเคราะห์ระดับน้ า กรณี ศึกษาที่ 4 พื้นที่ศึกษา ลาธาร จังหวัดกาญจนบุรี 4.10 ผลการทดลองและการวิเคราะห์ระดับน้ า กรณี ศึกษาที่ 5 พื้นที่ศึกษา ลาธาร จังหวัดกาญจนบุรี

หน้า 37 37 38 39 41 43 45 47 50 52 54 56 58

บทที่ 5 การอภิปรายผล 5.1 บทสรุ ป 5.2 ปัญหาที่พบในการวิจยั และแนวทางในการแก้ปัญหา 5.3 ข้อเสนอแนะและแนวทางการพัฒนา

61 61 61 62

เอกสารอ้างอิง

64

IX

ภาคผนวก ก ผลการทดลอง ข งานวิจยั ที่เกี่ยวข้องกับวิทยานิพนธ์ที่ได้รับการตีพิมพ์ ประวัติผวู ้ ิจยั

หน้า 68 68 89 96

X

สารบัญตาราง ตารางที่ 2.1 กฎของฟัซซี่ลอจิก (Fuzzy rule base) 3.1 ข้อมูลและพื้นที่ศึกษา 4.1 กรณี ศึกษาการปรับเลื่อนเฟรมภาพ 4.2 วิธีการวัดประสิ ทธิภาพของวิธีการหาขอบภาพ 4.3 ค่าความผิดพลาดกาลังสองเฉลี่ยของวิธีการหาขอบภาพ ณ คลองนครชัยศรี จังหวัดนครปฐม 4.4 ค่ารากที่สองของค่าคลาดเคลื่อนกาลังสองเฉลี่ยของวิธีการหาขอบภาพ ณ คลองนครชัยศรี จังหวัดนครปฐม 4.5 ค่าความผิดพลาดสัมบูรณ์เฉลี่ยของวิธีการหาขอบภาพ ณ คลองนครชัยศรี จังหวัดนครปฐม 4.6 ค่าความผิดพลาดกาลังสองเฉลี่ยของวิธีการหาขอบภาพ ณ ลาธาร จังหวัดกาญจนบุรี 4.7 ค่ารากที่สองของค่าคลาดเคลื่อนกาลังสองเฉลี่ยของวิธีการหาขอบภาพ ณ ลาธาร จังหวัดกาญจนบุรี 4.8 ค่าความผิดพลาดสัมบูรณ์เฉลี่ยของวิธีการหาขอบภาพ ณ ลาธาร จังหวัดกาญจนบุรี

หน้า 18 28 38 38 48 49 49 59 60 60

XI

สารบัญภาพ ภาพที่ 2.1 แผ่นวัดระดับน้ า 2.2 แผ่นวัดระดับน้ าข้างตอม่อสะพาน 2.3 ภาพจากกล้องดิจิตอล 2.4 ภาพโทนสี ขาวดาหรื อเรี ยกว่า ไบนารี 2.5 ภาพโทนสี เทา (Gray scale image) 2.6 ภาพสี (Color image) 2.7 การหาขอบภาพ 2.8 วิธีการหาขอบภาพแบบพรี วทิ 2.9 วิธีการหาขอบภาพแบบโซเบล 2.10 วิธีการหาขอบภาพแบบฟัซซี่ลอจิก 2.11 แสดงขั้นตอนของวิธีฟัซซี่ ลอจิก 2.12 การผนวกของฟัซซี่ลอจิก AB  BB 2.13 การผนวกของฟัซซี่ลอจิก AB  BB 3.1 ขั้นตอนการระบุระดับน้ า 3.2 คลองชลประทานที่ อาเภอนครชัยศรี จังหวัดนครปฐม 3.3 ลาธารน้ า จังหวัดกาญจนบุรี 3.4 แบบการจาลองระดับน้ า 3.5 วิธีการหาขอบภาพและการปรับเฟรม 3.6 กาหนดจุดอ้างอิง 3.7 ตัวอย่างภาพจากกล้องวงจรปิ ด ต้นฉบับ 3.8 ตัวอย่างจากภาพเคลื่อนไหวแปลงให้เป็ นภาพนิ่ง 3.9 ตัวอย่างภาพโทนสี เทา 3.10 ขั้นตอนการหาขอบภาพด้วยวิธีแบบพรี วทิ 3.11 ตัวอย่างภาพด้วยวิธีการหาขอบภาพแบบพรี วทิ 3.12 ขั้นตอนการหาขอบภาพด้วยวิธีแบบโซเบล 3.13 ตัวอย่างภาพด้วยวิธีการหาขอบภาพแบบโซเบล 3.14 ขั้นตอนการหาขอบภาพด้วยวิธีแบบฟัซซี่ ลอจิก 3.15 ตัวอย่างภาพด้วยวิธีการหาขอบภาพแบบฟัซซี่ ลอจิก 3.16 พื้นที่บนบกและพื้นผิวน้ าจากวิธีการหาขอบภาพแบบพรี วทิ

หน้า 8 9 10 10 11 11 15 15 16 17 18 20 21 24 26 27 27 29 29 30 30 31 31 32 32 33 33 34 34

XII

3.17 3.18 3.19 3.20 3.21 3.22 3.23 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 4.10 4.11

เส้นระบุระดับน้ าด้วยวิธีการหาขอบภาพแบบพรี วทิ พื้นที่บนบกและพื้นผิวน้ าจากวิธีการหาขอบภาพแบบโซเบล เส้นระบุระดับน้ าด้วยวิธีการหาขอบภาพแบบโซเบล พื้นที่บนบกและพื้นผิวน้ าจากวิธีการหาขอบภาพแบบฟัซซี่ ลอจิก เส้นระบุระดับน้ าด้วยวิธีการหาขอบภาพแบบฟัซซี่ลอจิก การระบุระดับน้ าโดยการใช้ ระยะทางแบบยูคลิเดียน กล้องวงจรปิ ด ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ ลอจิกกรณี ศึกษาที่ 1 คลองชลประทาน จังหวัดนครปฐม ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบลกรณี ศึกษาที่ 1 คลองชลประทาน จังหวัดนครปฐม ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ศึกษาที่ 1 คลองชลประทาน จังหวัดนครปฐม ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ ลอจิกกรณี ศึกษาที่ 2 คลองชลประทาน จังหวัดนครปฐม ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบลกรณี ศึกษาที่ 2 คลองชลประทาน จังหวัดนครปฐม ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ศึกษาที่ 2 คลองชลประทาน จังหวัดนครปฐม ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ ลอจิกกรณี ศึกษาที่ 3 คลองชลประทาน จังหวัดนครปฐม ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบลกรณี ศึกษาที่ 3 คลองชลประทาน จังหวัดนครปฐม ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ศึกษาที่ 3 คลองชลประทาน จังหวัดนครปฐม ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ลอจิกกรณี ศึกษาที่ 4 คลองชลประทาน จังหวัดนครปฐม ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบลกรณี ศึกษาที่ 4 คลองชลประทาน จังหวัดนครปฐม

หน้า 35 35 35 36 36 37 37 39 39 40 41 40 42 43 43 44 45 45

XIII

หน้า 4.12 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ศึกษาที่ 4 คลองชลประทาน จังหวัดนครปฐม 4.13 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ ลอจิกกรณี ศึกษาที่ 5 คลองชลประทาน จังหวัดนครปฐม 4.14 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบลกรณี ศึกษาที่ 5 คลองชลประทาน จังหวัดนครปฐม 4.15 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ศึกษาที่ 5 คลองชลประทาน จังหวัดนครปฐม 4.16 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ ลอจิกกรณี ที่ 1 ลาธาร จังหวัดกาญจนบุรี 4.17 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบลกรณี ที่ 1 ลาธาร จังหวัดกาญจนบุรี 4.18 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ที่ 1 ลาธาร จังหวัดกาญจนบุรี 4.19 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ลอจิกกรณี ที่ 2 ลาธาร จังหวัดกาญจนบุรี 4.20 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบลกรณี ที่ 2 ลาธาร จังหวัดกาญจนบุรี 4.21 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ที่ 2 ลาธาร จังหวัดกาญจนบุรี 4.22 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ ลอจิกกรณี ที่ 3 ลาธาร จังหวัดกาญจนบุรี 4.23 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบลกรณี ที่ 3 ลาธาร จังหวัดกาญจนบุรี 4.24 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ที่ 3 ลาธาร จังหวัดกาญจนบุรี 4.25 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ ลอจิกกรณี ที่ 4 ลาธาร จังหวัดกาญจนบุรี 4.26 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบลกรณี ที่ 4 ลาธาร จังหวัดกาญจนบุรี

46 47 47 48 50 50 51 52 52 53 54 54 55 56 56

XIV

หน้า 4.27 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ที่ 4 ลาธาร จังหวัดกาญจนบุรี 4.28 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ลอจิกกรณี ที่ 5 ลาธาร จังหวัดกาญจนบุรี 4.29 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบลกรณี ที่ 5 ลาธาร จังหวัดกาญจนบุรี 4.30 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ที่ 5 ลาธาร จังหวัดกาญจนบุรี

57 58 58 59

1

บทที่ 1 บทนำ 1.1 ควำมเป็ นมำและควำมสำคัญของปัญหำ ภาวะโลกร้ อน (Global warming) ทาให้อุณหภู มิ ข องโลกสู ง ขึ้ นอันเนื่ องมาจากการ ปลดปล่อยก๊าซเรื อนกระจกที่เกิดจากกิจกรรมต่างๆของมนุษย์ เช่น จากโรงงานอุตสาหกรรม การใช้ รถยนต์และภาคการเกษตร เป็ นต้น [1] ภาวะโลกร้อนเป็ นสาเหตุ หลักของการเกิดภัยพิบตั ิธรรมชาติ ของโลกและที่รุนแรงเพิ่มมากยิ่งขึ้นเรื่ อยๆและอุณหภูมิของโลกที่สูงขึ้นทาให้น้ าแข็งที่ข้ วั โลกเกิ ด การละลาย ส่ งผลให้ระดับน้ าทะเล และการระเหยของน้ าทะเลเพิม่ ขึ้น เกิดการเปลี่ยนแปลงต่อ วัฏจักรน้ าบนโลก [2] จากสาเหตุดงั กล่าวทาให้เกิ ดฝนตกหนักและปริ มาณน้ ามากผิดปกติ นาไปสู่ ภาวะน้ าท่วม หรื อน้ าท่วมฉับพลัน [3] ซึ่ งส่ งผลต่อการดารงชี วิตของประชาชนและสร้ างความเสี ยหายให้ก ับ ประเทศเป็ นอย่างมาก ดังนั้นในประเทศไทยและต่างประเทศจึงตระหนักถึ งปั ญหาภาวะน้ าท่วม ฉับพลันที่เกิดขึ้นและได้มีการสร้ างระบบป้ องกันภัยน้ าท่วมขึ้นมาโดยมีอุปกรณ์และเทคโนโลยีที่ ทันสมัยในการพัฒนาเพื่อป้ องกันภัยน้ าท่วม อาทิเช่น แผ่นวัดระดับน้ า กล้องวงจรปิ ดหรื อเครื่ องมือ ในการเฝ้ าระวังภัยพิบตั ิน้ าท่วมต่างๆ แต่ดว้ ยภูมิศาสตร์ ของประเทศไทยที่มีระดับพื้นที่แตกต่างกัน และคลองชลประทานบางพื้นที่ยงั ไม่มีวิธีการจัดการน้ าที่ดี จึงขาดข้อมูลในการจัดการน้ า [4] การ เฝ้าระวังด้วยกล้องวงจรปิ ดจึงมีบทบาทและความสาคัญต่อการเตือนภัยพิบตั ิน้ าท่วม เนื่ องจากเป็ น การลงทุนที่ไม่สูงมากแต่ใช้ประโยชน์ได้อย่างมีประสิ ทธิ ภาพ แต่ในการเฝ้าระวังด้วยกล้องวงจรปิ ด หรื อที่เรี ยกว่า กล้อง CCTV นั้นต้องใช้บุคลากรในการเฝ้าระวังภัย บางครั้งอาจเกิดความผิดพลาดใน การวิเคราะห์ขอ้ มูลเพื่อนาไปบริ หารการจัดการน้ าได้ วิทยานิพนธ์น้ ี ได้ทาการศึกษาและพัฒนาวิธีการระบุระดับน้ า เพื่อการเตือนภัยน้ าท่วม โดย ใช้กล้องวงจรปิ ดร่ วมกับทฤษฏี ในการหาขอบภาพเพื่อนามาวิเคราะห์และระบุ ระดับน้ าในคลอง ชลประทาน ลาธารตามธรรมชาติและแบบการจาลองระดับน้ า โดยผ่านการใช้ขอ้ มูลจากกล้องวงจร ปิ ดเพื่อลดความผิดพลาดที่จะเกิดขึ้น โดยการใช้เทคนิดในการหาขอบภาพ ได้แก่ การประมวลภาพ (Image processing) การหาขอบภาพ (Edge detection) ด้วยวิธีการหาขอบภาพทั้ง 3 แบบ ได้แก่ วิธีการหาขอบภาพแบบพรี วทิ (Prewitt edge detection) วิธีการหาขอบภาพแบบโซเบล (Sobel edge detection) [5] และวิธีการหาขอบภาพแบบฟั ซซี่ ลอจิก (Fuzzy logic edge detection) เพื่อหา ประสิ ทธิภาพของการหาขอบภาพโดยได้ใช้ขอ้ มูลจากกล้องวงจรปิ ดร่ วมกับวิธีการหาขอบภาพทั้ง 3 วิธี เพื่อระบุระดับน้ าในภาพและนามาเปรี ยบเทียบ โดยใช้วธิ ี การหาค่าความผิดพลาดกาลังสองเฉลี่ย (Mean square error; MSE) วิธีการหาค่ารากที่สองของค่าคลาดเคลื่อนกาลังสองเฉลี่ย (Root mean

2 sqare error; RMSE) และวิธีการหาค่าความผิดพลาดสัมบูรณ์ เฉลี่ ย (Mean absolute deviation; MAD) ถูกนามาคานวณเพื่อทดสอบประสิ ทธิภาพของตัวหาขอบภาพ สาหรับวิธีการหาขอบภาพเพื่อระบุระดับน้ านั้นได้มีผคู ้ ิดวิธีการต่างสาหรับในการวิเคราะห์ เพื่อหาระดับน้ า อาทิเช่ น สกล อุดศิริ [6] ได้นาเสนอขั้นตอนวิธีสาหรั บการตรวจวัดระดับความ รุ นแรงของกระแสน้ าโดยใช้ตวั ตรวจจับขอบพิกเซลชนิ ด Finite impulse response filter (FIR) เพื่อ หาขอบพิ ก เซลและหาเวกเตอร์ ล ัก ษณะเฉพาะของค่ า ความแปรปรวนของผลต่ า งเวกเตอร์ ลัก ษณะเฉพาะ โดยจะถู ก แสดงเป็ นตัวชี้ วดั ระดับ ความรุ นแรงของกระแสน้ าที่ เกิ ดขึ้ น จากการ ทดลองพบว่า ผลที่ได้สามารถบอกถึงความรุ นแรงของกระแสน้ าที่มีการเปลี่ยนแปลงในแต่ละเฟรม ซึ่ งแสดงเป็ นกราฟความรุ นแรงของกระแสน้ า Iwahashi และ Udomsiri [7] แสดงวิธีการตรวจวัดระดับน้ าจากสัญญาณวิดีโอสาหรับการ เฝ้าระวังแม่น้ า ด้วยวิธีการระบุตามแนวแกนนอน (Horizontal line) เพื่อหาขอบพื้นที่ดินและน้ าด้วย เส้นแนวนอน โดยใช้วิธี การหาขอบภาพแบบพรี วิทและวิธีก ารหาขอบภาพแบบโซเบล ผลการ ทดลองนั้น การใช้วิธีการหาขอบภาพแบบพรี วิทและวิธีการหาขอบภาพแบบโซเบลร่ วมกับการ วิธีการระบุระดับน้ าตามแนวแกนนอน สามารถระบุระดับน้ าได้แต่ยงั มีสัญญาณรบกวน เช่น เมล็ด ฝนในช่วงฝนตก Ortigossa, et.al [8] ได้ศึกษาการประมวลผลภาพดิจิตอลเพื่อหาความลึกของลาธารในเมือง โดยการใช้กล้องและเทคนิ คการประมวลผลภาพเพื่อนามาวิเคราะห์หาความลึก โดยใช้ วิธีการหา ขอบภาพแบบโซเบล โดยในการหาแนวระดับน้ าในลาธารของเมืองและเปรี ยบเทียบผลที่ต่างกันใน แต่ละวัน ผลการทดลองสามารถวิเคราะห์เพื่อหาความลึกของระดับน้ าได้โดยมีขอ้ ผิดพลาดที่นอ้ ย กว่าที่ตอ้ งการคือ 0.5% และสามารถนาไปใช้งานที่เกิ ดขึ้นจริ งในสภาพแวดล้อมแบบเปิ ดได้อย่าง ถูกต้องแม่นยา สาหรับงานวิจยั ครั้งนี้ ได้นาเสนอวิธีการหาขอบภาพทั้ง 3 วิธี ได้แก่ วิธีการหาขอบภาพ แบบพรี วิท ( Prewitt edge detection) วิธีการหาขอบภาพแบบโซเบล (Sobel edge detection) [5] และวิธีการหาขอบภาพแบบฟัซซี่ ลอจิก (Fuzzy logic edge detection) เพื่อวิเคราะห์ความแตกต่าง ของภาพและนาวิธีการระยะทางแบบยูคลิเดียนมาประยุกต์ใช้งานสาหรับระบุระดับน้ า

1.2 วัตถุประสงค์ 1.2.1 เพื่อศึ กษาการระบุ ระดับน้ า ในคลองชลประทานโดยการหาเส้ นขอบภาพด้วยวิธี ฟัซซี่ลอจิก 1.2.2 เปรี ยบเทียบประสิ ทธิ ภาพของวิธีการหาขอบภาพด้วยวิธีการหาขอบภาพแบบพรี วิท วิธีการหาขอบภาพแบบโซเบลและวิธีการหาขอบภาพแบบฟัซซี่ลอจิก

3

1.3 ขอบเขตกำรศึกษำ 1.3.1 ศึกษาระดับน้ าในคลองชลประทานที่เป็ นพื้นดิ น ณ คลองชลประทานนครชัยศรี จังหวัดนครปฐม จังหวัดกาญจนบุรี แบบการจาลองระดับน้ า โดยศึกษาในช่วงเช้า 1.3.2 ใช้วิธีการหาขอบภาพ 3 วิธีได้แก่ วิธีการหาขอบภาพแบบพรี วิท วิธีการหาขอบภาพ แบบโซเบล และวิธีการหาขอบภาพแบบฟัซซี่ลอจิก 1.3.3 ใช้ทฤษฎี ระยะทางแบบยูคลิเดียนในการระบุระดับน้ า 1.3.4 ใช้ วิ ธี ก ารหาค่ า ความผิ ด พลาดก าลัง สองเฉลี่ ย วิ ธี ก ารหาค่ า รากที่ ส องของค่ า คลาดเคลื่อนกาลังสองเฉลี่ย และวิธีการหาค่าความผิดพลาดสัมบูรณ์เฉลี่ ยถูกนามาคานวณ ในการ เปรี ยบเทียบวิธีการหาขอบภาพ 1.3.5 อุปกรณ์ ที่ใช้ ได้แก่ กล้องวงจรปิ ด R10–AHD130W ยี่ห้อ BLACK EAGLE และ โปรแกรม MATLAB

1.4 ประโยชน์ ทไี่ ด้ รับ 1.4.1 ได้รับองค์ความรู ้เกี่ยวกับการประมวลผลภาพ 1.4.2 ได้ศึกษาแนวและทางในการแก้ไขปั ญหาเพื่อพัฒนาการเฝ้าระวังเตือนภัยน้ าท่วม 1.4.3 ได้ประยุกต์ใช้อุปกรณ์เทคโนโลยีสารสนเทศให้เกิดประสิ ทธิ ภาพสู งสุ ด

1.5 กำรทบทวนวรรณกรรม Hettiarachchi และ Thilakumara [9] ได้พยากรณ์ระดับน้ าและศึกษาระบบการเตือนภัยน้ า ท่วม โดยวิธีของฟั ซซี่ ลอจิกเพื่อหาวิธีการเตือนภัยที่เหมาะสม และสามารถแสดงรายละเอียดของ ภูมิศาสตร์ ในพื้นที่เฉพาะเจาะจง ซึ่ งในการทดลองผลที่ได้วิธีการของฟั ซซี่ ลอจิกสามารถทานาย ระดับน้ าท่วมได้อย่างแม่นยาจากการจาลองโดยสภาพแวดล้อมและสามารถเตือนภัยได้ M. Stüber และ Gemmar [10] ได้พฒั นาวิธีการวิเคราะห์ขอ้ มูลและการพยากรณ์โดยใช้วิธี ฟั ซซี่ ลอจิกสาหรับการแจ้งเตือนน้ าท่วมในแม่น้ าและสร้ างแบบจาลองในเหตุการณ์น้ าท่วมด้วยชุ ด แบบจาลองเพื่อศึกษาข้อมูลและนาไปทดสอบกับเหตุการณ์จริ ง พบว่าในการทดลองสามารถพิสูจน์ ความสามารถสาหรับการสร้างแบบจาลอง มีความแม่นยาถูกต้องด้วยกฏของฟัซซี่ ลอจิก Alvisi et.al. [11] ได้คาดการณ์ ระดับน้ าโดยใช้แบบจาลองด้วยวิธีฟั ซซี่ ล อจิกและใช้ โครงข่ายประสาทเทียม สาหรับสร้างแบบชุ ดจาลองในการอ้างอิงถึงน้ าท่วมและเหตุการณ์ระดับน้ า สู งกว่าปกติหรื อสู งกว่าประตูน้ า ผลจากการทดลองในการสร้างชุ ดลองผลของการตรวจวัดระดับน้ า ด้วยวิธีฟัซซี่ ลอจิกและใช้โครงข่ายประสาทเทียมสามารถคานวณและแจ้งเตือนภัยน้ าท่วมได้อย่าง

4 ถูกต้องและแม่นยา โดยมีค่าผิดพลาดด้วยวิธีการหาค่าประสิ ทธิ ภาพ วิธีการหาค่ารากที่สองของค่า คลาดเคลื่อนกาลังสองเฉลี่ย (Root mean sqare error; RMSE) ที่นอ้ ยมาก Hasan et.al [12] ได้ประยุกต์ใช้กล้องวงจรปิ ดเพื่อศึกษาการเปลี่ยนแปลงของระดับน้ าตาม แม่น้ าธรรมชาติ สาหรับวิเคราะห์ความเร็ วพื้นผิวของน้ าและระดับน้ าที่มีความเปลี่ยนแปลง โดยการ ใช้กล้องวงจรปิ ดและสามารถตรวจสอบผ่านเว็บไซต์เพื่อสามารถศึกษาได้หลายๆ พื้นที่ผลจากการ ทดสอบโดยตรวจสอบระดับ น้ า ผ่า นเว็บไซต์ พบว่า ผลจากเว็บไซต์และแม่ น้ า ธรรมชาติ มีความ ถูกต้องและแม่นยาสามารถนาไปใช้งานได้จริ ง Chapman [13] ประยุกต์ใช้กล้องวงจรปิ ดสาหรับศึก ษาทางด้านธรณี วิทยาของประเทศ สหรัฐอเมริ กา โดยการใช้กล้องวงจรปิ ดและระบบเซนเซอร์ ในการตรวจวัดระดับน้ าในแม่น้ าเพื่อหา ระดับความสู งของแม่น้ า ด้วยวิธีการระบุตามแนวแกนนอนและสามารถตรวจจับเศษตะกอนที่ ตกค้างซึ่ งอาจส่ งผลต่อระดับน้ าที่มีการเปลี่ ยนแปลง จากการตรวจสอบตะกอนที่ตกค้างโดยกล้อง วงจรปิ ดสามารถตรวจจับคราบตะกอนที่ เกิ ดขึ้ นได้โดยดู ผ่านกล้องวงจรปิ ดและระบบเซนเซอร์ ปริ มาณตะกอนที่ตกค้างได้อย่างถูกต้อง Jaehyoung และ Hernsoo [14] ได้ประยุกต์ใช้กล้องวงจรปิ ดร่ วมกับเว็บไซต์ ในการ วิเคราะห์ขอ้ มูลจากภาพที่ได้เพื่อนามาวิเคราะห์หาระดับน้ า โดยการบอกรายละเอียดของขอบภาพที่ ได้แล้วนามาเปรี ยบเทียบในแต่ละภาพเพื่อหาระดับน้ าในแม่น้ า จากการทดลองดู ระดับน้ าที่มีการ เปลี่ยนจากกล้องวงจรปิ ดร่ วมกับเว็บไซต์น้ นั สามารถนาข้อมูลมาวิเคราะห์ระดับน้ าได้อย่างถูกต้อง และมีความละเอียดแม่นยาและนามาทดลองกับงานจริ ง Arun [15] ศึกษาการเปรี ยบเทียบการหาขอบภาพด้วยวิธีการหาขอบภาพแบบโซเบล วิธีการ หาขอบภาพแบบแคนนี (Canny edge detection) วิธีการหาขอบภาพแบบพรี วิท และวิธีการหา ขอบภาพแบบโรเบิร์ต (Robert edge detection) เพื่อหาประสิ ทธิ ภาพกับงานที่เหมาะสมในการใช้ ตัวหาขอบภาพนั้นๆ จากการตรวจสอบภาพความละเอียดด้วยวิธีการหาขอบภาพต่างผลที่ได้ วิธีการ หาขอบภาพแบบแคนมีนอ้ ยที่สุด เมื่อเทียบกับวิธีการหาขอบภาพด้วยวิธีอื่น Takagi et.al. [16] พัฒนาเทคโนโลยีสาหรับการวัดระดับน้ าเพื่อวิเคราะห์ภาพในการหา พื้นผิวของระดับน้ า ด้วยวิธีการประมวลผลภาพและติดตั้งเซ็ นเซอร์ ที่มีความแม่นยาสู ง และใช้ค่า การเบี่ยงเบนในการวัดระดับน้ าที่มีการเปลี่ ยนแปลงจากภาพ ผลจากการวิเคราะห์ภาพในการหา ระดับน้ าจากภาพร่ วมกับเซ็นเซอร์ ผลที่ได้มีความถูกต้องและแม่นยา Kobayashi et.al. [17] นาเสนอวิธีการติดตามระดับน้ าจากกล้องวิดีโอ สาหรับการเฝ้าระวัง และการเตือนภัยในแม่น้ าโดยวิธีการหาขอบภาพและใช้วิธีการ Hough transform เพื่อระบุระดับน้ า ที่มีการเปลี่ยนแปลง จากผลการทดสอบระดับน้ าที่มีการเปลี่ยนแปลงโดยใช้กล้องวิดีโอและวิธีการ หาขอบภาพนั้นผลที่ได้มีความถูกต้องและแม่นยาและสามารถเตือนภัยในแม่น้ าได้เป็ นอย่างดี

5 Masaki et.al. [18] เสนอขั้นตอนการหาขอบภาพ จากวิดีโอและความแปรปรวน สาหรับใน การวัดระดับน้ าโดยการใช้วธิ ี การหาขอบภาพแบบโซเบลและวิธีการหาขอบภาพแบบพริ วิท และใช้ วิธีการระบุตามแนวแกนนอนในการระบุระดับน้ าที่มีการเปลี่ยนแปลง ผลจากการทดลองพบกว่าวิธี หาขอบภาพทั้ง 2 วิธีน้ นั สามารถหาระดับน้ าและความแปรปรวนได้ถูกต้องไปในทางเดียวกันซึ่ ง เป็ นเชิงเส้น Iwahashi et.al. [19] ใช้วิธีการหาขอบแบบ JPG2000 (JP2K) สาหรับหาขอบภาพและระบุ ระดับน้ าในภาพจากกล้องวงจรปิ ดเพื่อนาข้อมูลไปวิเคราะห์ระดับน้ าและเป็ นวิธีการบีบอัดข้อมูลให้ มีขนาดเล็กลง ในการทดลองครั้งนี้ พบว่าสัญญาณภาพที่ถูกบีบอัดข้อมูลเมื่อถอดรหัสออกมาภาพมี ความสู ญเสี ยน้อย อยูท่ ี่ 50.5dB และภาพมีความละเอียดสามารถนามาวิเคราะห์หาระดับน้ าได้ Manashti และ Azimi [20] ใช้โปรแกรม MATLAB และกล้องวงจรปิ ดผ่านเว็บแคมแบบ HD (High definition) ที่มีความละเอียดสู งด้วยวิธีการประมวลผลภาพสาหรับการวัดระดับน้ าในอ่าง เก็บน้ า เพื่อลดต้นทุนเครื่ องมือวัดระดับน้ าที่มีราคาแพง ผลการทดลองภาพมีความคมชัดและมีความ ละเอียดสู งโดยผ่านกล้องวงจรปิ ดด้วยเว็บแคมแบบ HD Eppel และ Kachman [21] หาพื้นผิวของเหลวและระดับของเหลวที่อยูใ่ นภาชนะบรรจุที่ โปร่ งใสโดยการใช้วธิ ี การหาขอบภาพแบบไบนารี และกาหนดค่าเพื่อจะแยกส่ วนวัตถุที่เป็ นภาชนะ และวัตถุที่เป็ นของเหลวในภาชนะ และใช้คอมพิวเตอร์ ในการวิเคราะห์ขอ้ มูลสาหรับในการหา ระดับของเหลวในภาชนะ จากการทดสอบรู ปร่ างของเส้ นแนวนอนหรื อวงรี ที่ได้มีความพอดี กบั พื้นผิวของเหลวที่อยูโ่ ดยมีอตั ราค่าผิดพลาดต่าอยูท่ ี่ 1% Nguyen et.al. [22] ศึกษาระดับน้ าในท่อระบายน้ าในเมืองสาคัญหลายแหล่ง ในสภาพที่มืด และใช้กล้องวงจรปิ ดร่ วมกับวิธีการระบุระดับน้ า ด้วยวิธี Hough transform ที่เป็ นแนวเส้นตรงโดย เทียบกับไม้วดั ระดับน้ าในท่อระบายน้ า ในการตรวจวัดระดับน้ าที่มีการเปลี่ยนแปลงเพื่อให้ง่ายใน การวิเคราะห์ ระดับน้ าในท่อน้ า ผลการทดลองพบว่าภาพจากวิดีโอสาหรับการตรวจสอบความ รุ นแรงของน้ าในท่อระบายน้ า ในระยะเวลา 3 เดือน ผลที่ได้มีความถูกต้องสาหรับในการวัดระดับ น้ า Singh [23] ได้ออกแบบวิธีการวัดระดับน้ าเสี ยจากโรงงานอุตสาหกรรมด้วยวิธีระบบฟั ซซี่ ลอจิกในการควบคุมปั จจัยที่อาจมีขอ้ ผิดพลาดร่ วมกับโปรแกรม MATLAB ในการสร้างแบบจาลอง และควบคุ มด้วย PID ผลการทดสอบในการสร้ างแบบจาลองด้วย MATLAB ควบคุ มด้วย PID สาหรับในการวัดระดับน้ าเสี ยจากโรงงาน และนาไปทดสอบจริ งผลที่ได้มีความถูกต้องแม่นยาโดย ใช้กฏฟัซซี่ลอจิกในการตัดสิ นใจ โดยมีค่าความผิดพลาดที่ 1% Campolo et.al. [24] ศึกษาเครื อข่ายประสาทเทียมในการสังเกตการณ์ของแม่น้ าในประเทศ อิ ตาลี ช่วงฤดู ฝน โดยการใช้ข ้อมู ล จากปริ มาณน้ าฝนและการวัดระดับ น้ าในแม่น้ า เพื่ อพิจารณา ระดับน้ าที่มีการเปลี่ ยนแปลงสาหรับการเตือนภัย ผลการทดลองปริ มาณน้ าฝนและระดับน้ าในน้ า

6 โดยการสังเกตการณ์ จริ งในน้ าช่ วงเวลา 3 เดื อนผลที่ได้ไปในทางเดี ยวกัน โดยระดับน้ าที่ มีการ เปลี่ยนแปลงและปริ มาณน้ าฝนที่ตก เป็ นไปเชิงเส้น Campolo et.al. [25] พัฒนาระบบเครื อข่ายประสาทเทียมในการเฝ้าระวังน้ าท่วมที่แม่น้ า อาร์ โนในการติ ดตั้งกล้องวงจรปิ ด โดยการใช้ขอ้ มู ลจากปริ มาณน้ าฝนที่ ตกลงมาในบริ เวณใกล้ แม่น้ า และนามาคานวณวิเคราะห์ขอ้ มูลเพื่อเทียบกับระดับน้ าปั จจุบนั สาหรับการเตือนภัยน้ าท่วม ผลจากการวิเคราะห์ระดับน้ าในแม่น้ า ด้วยการเฝ้ าระวังโดยใช้กล้องวงจรปิ ดเมื่อเทียบกับปริ มาณ น้ าฝนที่ตก ข้อมูลที่ได้สามารถนาไปเตือนภัยน้ าท่วมและแจ้งเตือนภัยได้ Chang et.al. [26] ใช้วิธีฟัซซี่ ลอจิกในการจาลองและทดสอบการพยากรณ์ น้ าท่วมที่แม่น้ า ในประเทศไต้หวัน ด้วยเงื่ อนไขที่ได้สร้างขึ้นมาสาหรับการวิเคราะห์ระดับน้ าที่มีการเปลี่ยนแปลง เพื่อการคาดการณ์น้ าท่วม ผลการทดลองในการสร้างแบบจาลองทดสอบการพยากรณ์น้ าโดยอ้างอิง จากข้อมูลเดิ มและนามาคาดการณ์ผลที่ได้ สามารถคาดการณ์น้ าท่วมและปริ มาณน้ าที่ไหลผ่านได้ และสามารถนาข้อมูลไปบริ หารการจัดการน้ าเพื่อป้ องกันภัยที่จะเกิดขึ้น Dawson et.al. [27] ประยุกต์ใช้เครื อข่ายประสาทเทียม สาหรับการสร้างชุ ดแบบจาลอง เครื อข่ า ยประสาทเที ย ม เพื่ อการวัดระดับ น้ าในแม่น้ า แยงซี ประเทศจี น โดยการเก็บ ข้อมู ล จาก ปริ มาณน้ าฝนที่ตกลงมา สาหรับในการพยากรณ์ระดับน้ าในแม่น้ า ในแม่น้ าแยงซี โดยการสร้างชุด จาลองและอ้างอิงข้อมูลเดิม พบว่าสามารถพยากรณ์ระดับน้ าในแม่น้ าได้อย่างถูกต้องและแม่นยา Hundecha et.al. [28] พัฒนาแบบจาลองจากการจัดเก็บปริ มาณน้ าฝนที่ตกในประเทศ เยอรมนี เพื่ออธิ บายพฤติกรรมทางอุทกวิทยาของแม่น้ าในประเทศ ด้วยวิธีฟัซซี่ ลอจิกในการสร้าง แบบจาลองและปฏิบตั ิตามกฏฟัซซี่ลอจิก เพื่อหาประสิ ทธิ ภาพและการพยาการณ์ปริ มาณน้ าฝนที่ตก ในแต่ละปี ผลของการจาลองการเก็บปริ มาณน้ าฝนที่ตกลงมาเพื่อนามาพยากรณ์โดยอ้างอิงข้อมูล เหตุการณ์ พบว่าในการพยากรณ์มีความแม่นยาถูกต้อง Linda และ Stan [29] เสนอวิธีการพยากรณ์น้ า ด้วยวิธีฟัซซี่ ลอจิกเพื่อการพยากรณ์แม่น้ า Ouse ในภาคเหนือของประเทศอังกฤษ ด้วยวิธีไฮบริ ดตามกฎของฟัซซี่ ลอจิกโดยเก็บข้อมูลเป็ นสถิติ และนาไปวัดระดับน้ าในพื้นที่เฉพาะเจาะจง เพื่อพยากรณ์ระดับน้ าในแม่น้ าพบว่า การพยากรณ์น้ า ในแม่น้ ามีความถูกต้องและแม่นยาโดยอ้างอิงจากข้อมูลสถิติเดิมที่เก็บมาและนามาทดสอบโดยใช้ แบบจาลอง Imai และ Iwahashi [30] เป็ นการใช้ JPEG2000 บีบอัดข้อมูลให้มีขนาดเล็กลง โดยกล้อง วงจรปิ ดเพื่อให้มีขอ้ มูลในการส่ งภาพที่นอ้ ยลงและมีความถูกต้อง ในการทดลองภาพจากแม่น้ า เพื่อ ดูระดับน้ าที่มีการเปลี่ยนแปลงในช่วงหน้าฝน จากการทดลองภาพที่ถูกแปลงภาพโดยใช้ JPEG2000 นั้นมีขนาดเล็กลงพื้นที่การใช้งานน้อยลง เมื่อทาการถอดรหัสผลที่ได้ภาพยังมีความละเอียดถูกต้อง Sunn และ Higgins [31] ศึกษาวิธีหาขอบภาพด้วยวิธีการหาขอบภาพแบบ Gabor โดยการ สร้างชุ ดแบบจาลองและทดสอบ สาหรับบอกหารายละเอียดของภาพและเส้นขอบภาพที่มีความ

7 คมชัด ผลจากการสร้างชุ ดแบบจาลองเพื่อหารายละเอียดของภาพและเส้นขอบภาพผลที่ได้ วิธีการ หาขอบภาพแบบ Gabor ภาพที่ได้มีความแตกต่างและมีความละเอียดของภาพได้ชดั เจนคมชัดกว่า วิธีการอื่น Iwahashi et.al [32] เสนอวิธีการบีบอัดข้อมูลสาหรั บกล้องวิดีโอที่ติดตั้งใกล้แม่น้ าใน ประเทศญี่ปุ่น เพื่อลดขนาดของภาพและหน่ วยความจา และมีการถอดรหัสภาพที่มีการบีบอัดให้ เป็ นดังภาพต้นแบบเพื่อในการนามาวิเคราะห์ในงานนั้นๆ พบว่า พื้นที่ในการจัดเก็บข้อมูลใช้ใน ปริ มาณที่นอ้ ยกว่าและการส่ งมีความรวดเร็ วและภาพที่ได้น้ นั เมื่อถอดรหัสมีความละเอียดสมบูรณ์ Pilgrim [33] ศึกษาข้อมูลการไหลของน้ าในแม่น้ าและปริ มาณน้ าฝนที่ตก โดยการบันทึก ข้อมูลทุกช่ วงเวลา เพื่อนาข้อมู ลที่ได้นาไปวิเคราะห์ การพยากรณ์ น้ าและสร้ างแบบจาลองในการ คาดการณ์ระดับน้ าที่มีการเปลี่ยนแปลงในแต่ละปี และปี ต่อไป ผลการตรวจสอบข้อมู ลของการไหล ของน้ าในแม่น้ าและปริ มาณน้ าฝนที่ตก พบว่าสามารถนามาพยากรณ์น้ าและสร้างแบบจาลองในการ เตือนภัยได้ถูกต้องและแม่นยา Singh [34] พัฒนาโปรแกรมสาหรับการควบคุมระดับน้ าในโรงไฟฟ้ านิ วเคลียร์ โดยเป็ น การควบคุ ม ระดับ น้ าในโรงไฟฟ้ าให้อยู่ในระดับน้ า ที่ เหมาะสม ด้วยวิธี ข องฟั ซ ซี่ ล อจิ ก ในการ ตัดสิ นใจและมีการบอกถึงสถานการณ์ ที่มีการเปลี่ ยนแปลงผ่าน LED ใช้โปรแกรม MATLAB กับ PID ในการควบคุมระดับน้ า พบว่าระดับน้ าในโรงไฟฟ้ามีความถูกต้องและมีความผิดพลาดที่นอ้ ย Ashok [35] พัฒนาโปรแกรมสาหรับการใช้ฟัซซี่ ลอจิกในการตรวจวัดระดับน้ าในหม้อไอ น้ าที่ในโรงงานอุตสาหกรรมในการผลิ ตไฟฟ้ าความร้ อน ผลการทดลองระดับน้ าในหม้อไอน้ าที่ โรงงานมีความถูกต้องแม่นยาตามค่าที่ตอ้ งการ Sabri และ Mshat [36] เสนอการควบคุ ม ระดับ น้ า เสี ย ในอ่ า งเก็ บ น้ า ของโรงงาน อุตสาหกรรมโดยการใช้ PID ควบคุมและหาข้อผิดพลาดโดยวิธีฟัซซี่ ลอจิก เพื่อให้มีประสิ ทธิ ภาพ ในการทางานมากขึ้นโดยใช้ LabView ในการทดสอบ พบว่ผลตอบสนองของระดับน้ าเสี ยในอ่าง อยูใ่ นช่วงที่พอใจและมีความถูกต้องแม่นยาสาหรับควบคุมน้ าเสี ยที่จะปล่อยลงในอ่างเก็บน้ าด้วยกฏ ของฟัซซี่

8

บทที่ 2 ทฤษฏีที่เกีย่ วข้ อง การเตือนภัยพิบตั ิจากอุทกภัยเป็ นสิ่ งสาคัญและจาเป็ นสาหรับป้ องกันภัยที่จะเกิดต่อชิ วิต และทรัพย์สินของประชาชน การนาภาพจากกล้องวงจรปิ ด มาช่วยระบุระดับน้ าเป็ นแนวทางหนึ่ งที่ ช่วยลดต้นทุนในการสร้างระบบเตือนภัยจากอุทกภัย การหาขอบภาพจากกล้องวงจรปิ ด มีการประยุกต์ใช้วิ ธีการหาขอบภาพหลากหลายวิธี แต่ วิธีพ้ืนฐาน ได้แก่วิธีการหาขอบภาพแบบพรี วิทและวิธีการหาขอบภาพแบบโซเบลมีการศึกษาและ ประยุ ก ต์ใ ช้ก ัน อย่ า งกว้า งขวาง ในงานวิ จ ัย ได้ศึ ก ษาวิ ธี ก ารหาขอบภาพแบบฟั ซ ซี่ ล อจิ ก ซึ่ งมี ประสิ ทธิภาพในการวิเคราะห์หาขอบภาพที่มีความคลุมเครื อ

2.1 กำรวัดระดับนำ้ ในการวัด ระดับ น้ า จ าเป็ นต้อ งใช้อุ ป กรณ์ แ ละเทคโนโลยี ที่ ท ันสมัย เพื่ อ อานวยความ สะดวกในการวิเคราะห์ และทราบถึ งระดับ น้ าที่ มีก ารเปลี่ ยนแปลงในพื้นที่ น้ ัน เครื่ องมื อการวัด ระดับน้ าแบ่งเป็ น 2 ชนิดคือ 2.1.1 เครื่ องมือวัดระดับน้ าแบบไม่มีการบันทึกข้อมูลต่อเนื่ อง (Non recording gauge or manual gauge) เครื่ องมื อชนิ ดนี้ จะพบทัว่ ไปคือ แผ่นวัดระดับน้ า (Staff gauge) ซึ่ งเป็ นแผ่นวัด ระดับน้ าที่ทามาจากแผ่นพลาสติกหรื อเหล็ก โดยในแผ่นวัดระดับน้ านั้นจะประกอบไปด้วย ขีดบอก ถึงระดับน้ า โดยเทียบกับความลึ กของระดับน้ าในพื้นที่น้ นั วิธีการนี้ ตอ้ งใช้คนเฝ้ าสังเกตการณ์ ณ สถานที่น้ นั ๆ

ภำพที่ 2.1 แผ่นวัดระดับน้ า [37]

9

ภำพที่ 2.2 แผ่นวัดระดับน้ าข้างตอม่อสะพาน [37] 2.1.2 เครื่ องมือวัดระดับน้ าแบบบันทึกข้อมูลต่อเนื่ อง (Recording type gauges) เป็ น เครื่ องมือในการจัดเก็บข้อมูลแบบเวลาจริ ง (Real time) ที่สามารถบันทึกข้อมูลแล้วแสดงผลได้ทนั ที เมื่อมีการเปลี่ยนแปลงของน้ า ซึ่ งกล้องวงจรปิ ดนั้นก็เป็ นเครื่ องมือแบบบันทึกเวลา โดยการวัดระดับน้ าของมาตรฐานสากลจะมีการเที ยบกับระดับอ้างอิงที่ใดที่หนึ่ งโดยจะ เป็ น ระดับน้ าทะเลปานกลาง (Mean sea level) หรื อเรี ยกว่า ร.ท.ก. เป็ นค่าการวัดระดับน้ าสู งสุ ดและ ต่ า สุ ด ของแต่ ล ะวัน โดยประเทศไทยนั้น พื้ น ที่ ก ารวัด ระดับ น้ า อยู่ที่ ต าบลเกาะหลัก จัง หวัด ประจวบคีรีขนั ธ์ เป็ นที่วดั โดยมีค่าเท่ากับ 0.000 เมตร [38]

2.2 กำรประมวลผลภำพ มนุษย์สามารถมองเห็นภาพ 3 มิติ คือ ความกว้าง ความยาวและความลึก หรื อเรี ยกว่า แกน x แกน y และ แกน z แต่ภาพถ่ายที่ได้จากกล้องถ่ายภาพหรื อภาพจากวิดีโอนั้น จะเป็ นภาพแบบ 2 มิติ คือ ความกว้างและความยาว จะไม่สามารถบอกถึงความลึกของภาพได้ แกนใน 2 มิติ คือ แกน x และแกน y ซึ่ งจะเขียนได้ในรู ปแบบฟังก์ชนั 2 มิติ I(x,y) ในระบบพิกดั ฉาก 2.2.1 ภาพดิจิตอล (Digital image definitions) หรื อภาพถ่ายแบบ 2 มิติ แบบไม่ต่อเนื่ องจะ ถูกพิจารณาเป็ นฟังก์ชนั 2 ตัวแปรที่มีแกน x และแกน y ภาพถูกแบ่งออกเป็ นส่ วนๆ ซึ่ งเป็ นจานวน แถว (N) และจานวนหลัก (M) ภาพจะแบ่งเป็ นสี่ เหลี่ยมช่องเล็กๆ เรี ยกว่าพิกเซล (Pixel) โดยมีพิกดั เป็ น [m,n] สาหรับภาพที่ได้จากการถ่ายภาพออกมากนั้นจะเป็ นภาพ 3 แบบ คือ ภาพขาวดา ภาพสี เทา และภาพสี

10

ก. ภาพถ่ายขาวดา ข. ภาพถ่ายสี ภำพที่ 2.3 ภาพจากกล้องดิจิตอล 2.2.2 ภาพขาวดา (Binary image) ภาพขาวดาจะมีองค์ประกอบในภาพคือ ช่องสี่ เหลี่ยมเล็กๆ เรี ยกว่า พิกเซล (Pixel ) ซึ่ งใน 1 พิกเซลของภาพขาวดา จะมีค่าเพียง 1บิตเท่านั้น โดยจะเป็ นเลขฐานสองคือ 0 และ 1 โดยที่ ค่า 1 หมายถึง จุดสี ขาว ส่ วนค่า 0 หมายถึง จุดสี ดา

ภำพที่ 2.4 ภาพโทนสี ขาวดาหรื อเรี ยกว่า ไบนารี [39] 2.2.3 ภาพระดับสี เทา (Gray scale image) ภาพระดับสี เทามีองค์ประกอบของภาพในแต่ละพิกเซล จะมีความเข้มของแสงที่แตกต่าง กันตั้งแต่สีขาวไปยังถึงสี ดา ซึ่ งแตกต่างกับภาพขาวดา เนื่องจากภาพสี เทาจะมีการไล่เฉดสี ซึ่ งระดับ ความเข้ม ของแสงนั้น โดยใช้ค่ า ระดับ สี เ ทา โดยปกติ แ ล้ว ภาพระดับ สี เ ทาจะมี ค วามละเอี ย ด (Resolution) เท่ากับ จานวน 8 บิต ซึ่ งภาพจะมีความเข้มของแสง ตั้งแต่ 0 จนถึง 255

11

ภำพที่ 2.5 ภาพโทนสี เทา (Gray scale image) [39] 2.2.4 ภาพสี (Color image) ภาพสี เป็ นภาพที่เห็นได้โดยทัว่ ไปจะมีองค์ประกอบของภาพ คือพิกเซลของภาพสี และจะ ถูกจัดเก็บค่าระดับความเข้มแสงของแม่สีหลักซึ่ งประกอบไปด้วย สี แดง (Red) สี เขียว (Green) และ สี น้ าเงิน (Blue) หรื อเรี ยกว่า RGB ซึ่ งจะมีค่าของสี ที่แตกต่างกันออกไปและจะแสดงผลของค่าสี ใน แต่ละพิกเซล ตามระดับความเข้มในแต่ละแถบแสงนั้นๆ

ภำพที่ 2.6 ภาพสี (Color image) [39] ขนาดของไฟล์ภาพจะมีความแตกต่างขึ้นอยูอ่ งค์ประกอบหลัง 2 ส่ วน คือ ขนาดของภาพ (Size) และจานวนของบิตที่ใช้แทนค่าของสี หรื อระดับความเข้มของแสงในแต่ละพิกเซลของภาพ ถ้าภาพที่มีความละเอียดมาก ก็จะมีจานวนบิตที่มาก การเก็บข้อมูลก็จะต้องใช้พ้ืนที่ (Memory unit) จานวนที่มากขึ้น

2.3 กำรหำขอบภำพ (Image edge detection) การหาขอบภาพถื อว่า มี ค วามสาคัญในกระบวนการ การประมวลผลภาพทางดิ จิตอล เนื่ อ งจากในบางสาขาจ าเป็ นต้อ งอาศัย ลายเส้ น หรื อการหาขอบภาพที่ มี ค วามสมบู ร ณ์ ข อง รายละเอียดในภาพนั้นๆ เพื่อนามาวิเคราะห์ในการใช้งาน วิธีการหาขอบภาพที่นิยมกันคือ วิธีการ ค้นหาขอบภาพโดยใช้อนุพนั ธ์ระบุทิศทาง

12 2.3.1 อนุพนั ธ์ระบุทิศทาง 2.3.1.1 อนุพนั ธ์ระบุทิศทางของฟังก์ชนั สองตัวแปร กาหนดให้ f ( x, y ) เป็ นฟั ง ก์ชันสเกลาร์ ข องสองตัวแปรจะได้ว่า อนุ พ นั ธ์ ระบุ ทิศทาง (Directional derivative) ของ f ในทิศทางของ V แสดงสมการ (2.1) [40] DV f ( x, y )  lim h o

กาหนดให้ x

f ( x  hv1 , y  hv2 )  f ( x, y ) h

(2.1)

เป็ นเวกเตอร์ หนึ่งหน่วย การหาอนุพนั ธ์ระบุทิศทางสามารถเขียนในรู ปอนุ พนั ธ์ยอ่ ยได้เมื่อเทียบกับตัวแปร

V  v1 i  v2 j

และ y ได้ดงั นี้ DV f ( x, y ) 

f f v1  v2 x x

(2.2)

DV f ( x, y ) 

f f v1  v2 y y

(2.3)

ในท านองเดี ย วกัน นิ ย ามอนุ พ นั ธ์ ร ะบุ ทิ ศ ทางของฟั ง ก์ ชัน ของสามตัว แปรได้ ดังต่อไปนี้ 2.3.1.2 อนุพนั ธ์ระบุทิศทางของฟังก์ชนั สามตัวแปร ก า ห น ด ใ ห้ f ( x, y, z ) เ ป็ น ฟั ง ก์ ชั น ส เ ก ล า ร์ ข อ ง ส า ม ตั ว แ ป ร แ ล ะ ั ธ์ระบุทิศทางสามาถเขียนได้ดงั สมการ (2.4) V  v1 i  v2 j  v3 k เป็ นเวกเตอร์ หนึ่ งหน่วย อนุ พน DV f ( x, y )  lim h o

f ( x  hv1 , y  hv2 z  hv3 )  f ( x, y, z ) h

(2.4)

อนุ พนั ธ์ย่อยเมื่ อเทียบกับตัวแปร x, y และ z ถ้า V  u1 i  u2 j  u3 k เป็ น เวกเตอร์ หน่วยที่กาหนดให้แล้วอนุพนั ธ์ระบุทิศทางของ f ในทิศทางของ V สามารถเขียนได้ดงั นี้ DV f ( x, y ) 

และ

z

f f f v1  v2  v3 x x x

(2.5)

บทนิ ยาม 2.1 กาหนดให้ f ( x, y, z ) เป็ นฟั งก์ชนั สเกลาร์ ของสามตัวแปร แล้วเกรเดียนต์ (Gradient ) ของฟังก์ชนั สเกลาร์ [40]

x, y

13 f ( x , y , z ) 

เมื่อ



f f f i j k x x x

(2.6)

คือ ตัวดาเนินการเชิงอนุพนั ธ์เวกเตอร์ (Vector differential operator) ซึ่ ง

กาหนดได้ดงั นี้ f 

f f f i j k x x x

(2.7)

ตัวดาเนิ นการเชิ งอนุ พนั ธ์ เวกเตอร์ น้ ี สามารถนาไปดาเนิ นการร่ วมกับฟั งก์ชันส เกลาร์ หรื อฟังก์ชนั เวกเตอร์ 2.3.2 วิธีการค้นหาขอบภาพโดยใช้อนุพนั ธ์อนั ดับหนึ่งระบุทิศทาง วิธีการหาขอบภาพอนุพนั ธ์อนั ดับหนึ่งเป็ นการหาขอบ โดยการหาค่าต่าสุ ดและค่าสู งสุ ดใน บริ เวณจุดนั้นของภาพ ซึ่ งจุดที่เป็ นขอบนั้นจะสู งกว่าค่า เธรชโฮลด์(Threshold) จะทาให้เส้นขอบที่ ได้มีลกั ษณะที่หน้าและมีความชัดเจน สมการที่ (2.8) และสมการ (2.9) แสดงการหาอนุ พนั ธ์ระบุ ทิศทางตามแนวแกน x และ แกน y ตามลาดับ

และ เมื่อ

P ( x, y )

 x P( x, y)  P( x, y)  P( x  1, y)

(2.8)

 y P( x, y)  P( x, y)  P( x, y  1)

(2.9)

คือ พิกเซลของภาพ

โดยขนาดของเกรเดียนต์ของ

P ( x, y )

กาหนดได้จากสมการ

P ( x, y )  ( x ( x, y )) 2  ( y ( x, y )) 2

(2.10)

P( x, y)   x P( x, y)   y P( x, y)

(2.11)

การหาขอบภาพที่มีองค์ประกอบของเส้นตรงโดยการแบ่งเป็ นส่ วนย่อยในแต่ละพิกเซล ให้มีค วามคมชัดและความเรี ย บ โดยใช้ตวั กรองของเกาเซี ยนก่ อนและนามาค านวณขนาดและ ทิศทางของเกรเดียนต์ Mask ของขนาดและทิศทางของ ( E x ) กาหนดได้ดงั สมการ (2.12)

14  Z x1 Mask( E x )   Z x 4  Z x 7

Z x3  Z x 6  Z x 9 

Z x2 Z x5 Z x8

(2.12)

  1 0 1 E x   2 0 2   1 0 1 

โดยที่

(2.13)

ในทานองเดียวกัน Mask สาหรับกาหนด ขนาดและทิศทางของ ( E  Z y1  Mask( E y )   Z y 4 Z y 7 

Z y2 Z y5 Z y8

y

)

แสดงดังสมการ (2.14)

Z y3   Z y6  Z y 9 

(2.14)

 1  2 1 E y   0 0 0  1 2 1

โดยที่

เมื่อ Z คือ ตาแหน่งของแต่ละพิกเซลทั้ง 9 จุด เมตริ กซ์ Mask จะถูกกาหนดให้ E x และ อันดับหนึ่งของ

P x

และ

P y

M (i, j ) 

(2.15)

Ey

มีขนาดเท่ากับ

ั ธ์ 3 3 การหาค่าอนุ พน

คือ การหาขนาดและทิศทางของเกรเดียนต์ ได้จากสมการดังนี้ E x2 (i, j )  E y2 (i, j )

 (i, j )  tan 1 Ex2 (i, j )  E y2 (i, j )

โดยเมื่อ M (i, j ) คือ ขนาดของเวกเตอร์ และ  (i, j ) คือ ทิศทางของเวกเตอร์

(2.16) (2.17)

15

ภำพที่ 2.7 การหาขอบภาพ [40] 2.3.4 วิธีการหาขอบภาพแบบพรี วทิ (Prewitt edge detection) จากภาพที่ 2.8 เป็ นการใช้วิธี ก ารหาขอบภาพแบบพริ วิท ในการหาขอบภาพโดยใช้ เทคนิ ค ฟิ ลเตอร์ ข นาด 3 3 แบบสองฟิ ลเตอร์ โดยที่ ฟิ ลเตอร์ แรกจะหาค่ า ความแตกต่ า งกันใน แนวแกน X และฟิ ลเตอร์ ที่สองจะมีค่าความแตกต่างการในแกน Y ดังสมการ  1 0 1 G x   1 0 1  1 0 1

(2.18)

2 1 1  Gy   0 0 0  1  2 1

(2.19)

ภำพที่ 2.8 วิธีการหาขอบภาพแบบพรี วทิ

16 2.3.5 วิธีการหาขอบภาพแบบโซเบล (Sobel edge detection) จากภาพที่ 2.9 เป็ นการใช้วิธีการหาขอบภาพแบบโซเบล ซึ่ งมีความคล้ายคลึงกับวิธีการ หาขอบภาพแบบพรี วิท โดยจะใช้ขนาดของฟิ ลเตอร์ แบบ 3 3 จานวนสองฟิ ลเตอร์ เท่ากับโซเบล แต่ค่าในฟิ ลเตอร์ ของโซเบลจะมีความแตกต่างกับพรี วทิ ดังสมการ   1 0 1 G x   2 0 2   1 0 1 

(2.20)

2 1 1  Gy   0 0 0  1  2 1

(2.21)

ภำพที่ 2.9 วิธีการหาขอบภาพแบบโซเบล วิธีการหาขอบภาพแบบพรี วิทและวิธีการหาขอบภาพแบบโซเบล สามารถหาขนาดและ ทิศทางได้ดงั นี้ (2.22)

G  G x2  G y2

 Gx G  y

  tan 1 

เมื่อ

G 

คือ คือ

ขนาดของเวกเตอร์ ทิศทางของเวกเตอร์

   

(2.23)

17 2.3.6 วิธีการหาขอบภาพแบบฟัซซี่ลอจิก (Fuzzy edge detection) ฟัซซี่ลอจิก ถูกนาเสนอโดย ล๊อตฟิ ซาเดห์ (Lotfi Zadeh) ในปี ค.ศ. 1960 ก่อนที่จะถูกนามา ตีพิมพ์ในวารสาร Information and Control ในช่วงปี ค.ศ. 1965 แต่ก็ยงั ไม่เป็ นที่แพร่ หลายมากนัก [41] จนในช่วงปี ค.ศ. 1975 ได้ถูกพัฒนามาใช้กบั งานวิจยั ในเรื่ อง “An Experiment in Linguistic Synthesis with a Fuzzy Logic Controller” [42] หลังจากตีพิมพ์บทความวิจยั ในปี ค.ศ. 1985 งานวิจยั ทางด้านฟั ซซี่ ลอจิกได้ถูกพัฒนาอย่างรวดเร็ วและกว้างขวางเนื่ องจากตัวสมการฟั ซซี่ ลอจิก สามารถนาไปประยุกต์ใช้กบั งานทัว่ ๆไป โดยเฉพาะในด้านอุตสาหกรรมและด้านคอมพิวเตอร์ โดย ประเทศญี่ปุ่นซึ่ งเป็ นประเทศที่มีการผลิ ตเครื่ องใช้ไฟฟ้ าและส่ งออกเป็ นจานวนมากได้นาวิธีการ ของฟัซซี่ ลอจิกมาใช้ในการผลิต โดยฟัซซี่ ลอจิกเป็ นแนวความคิดแบบตรรกศาสตร์ แบบเดิมที่จะมี “ถูกกับผิด ใช่หรื อไม่ใช่” ฟั ซซี่ เป็ นลอจิกที่มีลกั ษณะพิเศษกว่าตรรกะจริ งเท็จ (Boolean logic) ดังที่กล่าวไว้ตอน เบื้องต้น ซึ่ งแนวคิดที่มีการขยายในส่ วนของความ จริ ง (Partial true) ซึ่ งค่าความจริ งจะอยูใ่ นช่วง ระหว่างจริ ง (Completely true) กับค่าเท็จ (Completely false) ที่เป็ นเซตที่มีค่าสมาชิ กเพียง 2 ค่า ระหว่าง 0 กับ 1 หรื อเขียนในรู ปแบบสัญลักษณ์ [0,1] ส่ วนตรรกะแบบจริ งหรื อเท็จจะมีค่าเซตที่มีค่า ความเป็ นสมาชิกเป็ น 0 หรื อ 1 เช่นกันแต่เขียนในรู ปแบบสัญลักษณ์{0,1} เรี ยกเซตที่มีค่าความเป็ น สมาชิก เป็ น 0 หรื อ 1 ว่า เซตทวินยั (Crisp set)

ภำพที่ 2.10 วิธีการหาขอบภาพแบบฟัซซี่ลอจิก

18

Rulebase Crisp

Fuzzification

Database

Inference

Defuzzification

Crisp

ภำพที่ 2.11 แสดงขั้นตอนของวิธีฟัซซี่ ลอจิก

2.4 โครงสร้ ำงฟัซซี่ลอจิก ฟั ซซี่ ฟิเคชัน (Fuzzification) เป็ นขั้นตอนทาหน้าที่ การแปลงข้อมู ลที่ ได้รับเข้ามา ซึ่ ง เรี ยกว่า ข้อมูลแบบชัดเจน (Crisp data) ให้เป็ นอินพุตของระบบควบคุมแบบฟั ซซี่ ลอจิก ซึ่ งจะอยูใ่ น รู ปแบบของความเป็ นสมาชิก การอนุมานเชิ งฟัซซี่ (Fuzzy inference) เป็ นองค์ประกอบของการประมวลผลในระบบ ฟั ซซี่ ซ่ ึ งจะมีการตีความโดยการนาข้อมูลอินพุตที่ได้มาทาตามเงื่อนไขที่มีการกาหนดไว้ หรื อเข้าสู่ กฎของฟั ซซี่ (Fuzzy rule base) ในงานวิจยั ครั้งนี้ ได้ใช้กฎจากตารางที่ 2.1 โดยที่กฏจะถู กรวมกัน ด้วยวิธีทางด้านตรรกศาสตร์ เพื่อให้ได้ค่าเอาท์พุตเพียงค่าเดียว ตำรำงที่ 2.1 กฎของฟัซซี่ลอจิก (Fuzzy rule base) Rule 1.

IF Ix is zero and Iy is zero THEN Io is white.

2.

IF Ix is not zero and Iy is not zero THEN Io is black.

ดี ฟั ซ ซี่ ฟิเคชัน (Defuzzification) การแปลงค่า จากเอาท์พุ ตที่ ไ ด้จากฟั ซ ซี่ ใ ห้เป็ นค่ า เอาท์พุตที่ตอ้ งการเพียงค่าเดียวและสามารถนาไปใช้งานหรื อควบคุมระบบได้สาหรับการถอดรหัส ในดีฟัซซี่ ฟิเคชันเป็ นแบบ จุดศูนย์ถ่วง ดังสมการ Y

  n yn  n

(2.24)

19 เมื่อ

Y yn

n

คือ คือ คือ

เอาท์พุตของระบบควบคุม เอาท์พุตที่ได้จากแต่ละกฎ (จุดศูนย์ถ่วง) ค่าความเป็ นสมาชิกของแต่ละเอาท์พุต (Output)

ฟังก์ชนั ความเป็ นสมาชิก (Membership function) ความเป็ นสมาชิ กเป็ นฟั งก์ชนั ที่มีการกาหนดของความเป็ นสมาชิ กของตัวแปรที่นามาใช้ งาน โดยการก าหนดค่ า ให้ ก ับ สมาชิ ก ที่ มี ค วามไม่ ชัด เจน หรื อ ความไม่ แ น่ น อน หรื อ มี ค วาม คลุ มเครื อ ดังนั้นในส่ วนนี้ จึงเป็ นส่ วนที่มีความสาคัญต่อระบบของฟั ซซี่ เพราะรู ปร่ างของฟั งก์ชนั ความเป็ นสมาชิกนั้นมีผลต่อกระบวนการนาไปคิดวิเคราะห์และแก้ไขปั ญหานั้นๆ โดยฟั งก์ชนั ของ ความเป็ นสมาชิ กจะไม่สมมาตรกันขึ้นอยูก่ บั ฟั งก์ชนั ของความเป็ นสมาชิ กที่ได้ใช้งานโดยมีหลาย รู ป แบบ ขึ้ น อยู่ก ับ งาน ในงานวิจยั นี้ ไ ด้ป ระยุก ต์ใ ช้ ฟั ง ก์ชันสามเหลี่ ย มและฟั ง ก์ชันเกาส์ เซี ย น สาหรับข้อมูลนาเข้า (Input data) ฟังก์ชนั สามเหลี่ยม (Triangular membership function) เป็ นฟั งก์ชนั ความเป็ นสมาชิ กที่มี ตัวแปรพารามิเตอร์ ท้ งั 3 ค่าด้วยกันคือ {a,b,c} [43] 0 , xa  ( x  a) /(b  a) , a  x  b  triangular ( x; a, b, c)    (c  x) /(c  b) , b  x  c  0 , xc 

เมื่อ

a , b, c

คือ

(2.25)

ค่าคงที่พารามิเตอร์

ฟั งก์ชนั เกาส์ เซี ยน (Gaussian membership function) ซึ่ งเป็ นฟั งก์ชันของความเป็ น สมาชิกที่มีค่าพารามิเตอร์ 2 ค่า คือ { m,  } เป็ นไปดังสมการ [43]  (x  m2 )   guassiam ( x : m,  )  exp    2  

เมื่อ

m



คือ คือ

(2.26)

ค่าเฉลี่ย ค่าเบี่ยงเบนมาตรฐาน

การเลือกใช้งานของฟังก์ชนั ดังกล่าวขึ้นอยูก่ บั ความเหมาะสมกับงานและข้อมูลที่ได้รับเข้า มา โดยที่ฟังก์ชนั สามารถจะทางานทับซ้อนกันได้ เพื่อให้เกิ ดการดาเนิ นงานอย่างราบเรี ยบ ความ

20 เป็ นสมาชิกและฟังก์ชนั สามารถเปลี่ยนแปลงแก้ไขให้เหมาะกับงานหรื อความต้องการของผูใ้ ช้งาน ได้

2.5 กำรดำเนินกำรของฟัซซี่เซต วิธีการดาเนินการของฟัซซี่เซตมีคุณลักษณะเหมือนกับเซตโดยทัว่ ๆไป ที่มีการดาเนิ นการ (Operation)นั้ น คื อ Union, Intersection และ Complemnt โดยในที่ น้ ี ก าหนดให้ AB และ BB เป็ นฟั ซซี่ เซตขนาดย่อยของเซต AU ซึ่ งมีความเป็ นสมาชิ กเท่ากับ เซต  AB และ  BB ตามลาดับ การผนวกของ AB และ BB เรี ยกว่า (Union) เขียนแทนด้วยสัญลักษณ์ AB  BB ซึ่ งจะ นิยามได้ดงั นี้ [43] AB  BB  {x : x  AB

or

x  BB}

(2.27)

ดังนั้นค่าความเป็ นสมาชิ กของ AB  BB คือค่าสู งสุ ดของความเป็ นสมาชิ กในเซต AB และค่าความเป็ นสมาชิกของเซต BB ดังภาพ Membership Function

Membership AB

Membership BB

Universe of Discourse ภำพที่ 2.12 การผนวกของฟัซซี่เซต AB  BB [43] การตัดของ A B และ BB เรี ยกว่า (Intersection) เขียนแทนด้วยสัญลักษณ์ เขียนได้ดงั นี้ AB  BB  {x : x  AB

or

x  BB}

AB  BB

(2.28)

21 เมื่อค่าของสมาชิ กของ AB  BB คือค่าต่ าสุ ดของค่าความสมาชิ กของ AB และความ เป็ นสมาชิกของ BB นั้นคือ  AB  AB  min{ AB ,  BB } [43] Membership Function

Membership AB

Membership BB

Universe of Discourse ภำพที่ 2.13 การผนวกของฟัซซี่เซต

AB  BB

[43]

2.6 ระยะทำงแบบยูคลิเดียน (Euclidean distance) ระยะทางแบบยูคลิเดียน เป็ นวิธีการคานวณระยะห่างระหว่างจุด 2 จุด ในแนวเส้นตรง โดยใช้ทฤษฏีบทพีทาโกรัส แสดงดังสมการ (2.29) d x, y 

N

 (x i 1

i

 yi ) 2

(2.29)

โดยกาหนดให้

เมื่อ

d x, y

x y m

คือ คือ คือ คือ

x

 [ x1 x 2 .... x m ]T

(2.30)

y

 [ y1 y 2 .... y m ]T

(2.31)

ปริ ภูมิ j มิติ ข้อมูลชุดที่ 1 ข้อมูลชุดที่ 2 ขนาดของข้อมูล

22

2.7 วิธีกำรหำประสิ ทธิภำพขอวิธีกำรหำขอบภำพ การเปรี ย บเที ย บประสิ ท ธิ ภ าพวิ ธี ก ารหาขอบภาพนั้น เป็ นการหาข้อ เปรี ย บเที ย บค่ า ผิดพลาด (Error) ระหว่างค่าวัดจริ งและค่าจากการทดลองโดยในงานวิจยั นี้ ได้หาประสิ ทธิ ภาพของ วิธีการหาขอบภาพดังนี้ 2.7.1 ค่าความผิดพลาดกาลังสองเฉลี่ย (Mean square error; MSE) ค่าความผิดพลาดกาลังสองเฉลี่ยเป็ นการหาค่าความแตกต่างระหว่างค่าวัดจริ งและค่าที่ได้ จากการหาขอบภาพ ถ้าค่า MSE มีค่าน้อย แสดงว่าวิธีการหาขอบภาพสามารถประมาณค่าได้ ใกล้เคียงกับค่าจริ ง ดังนั้นหากค่า MSE มีค่าเท่ากับศูนย์ นั้นแสดงว่าค่านี้ ได้จากวิธีการหาขอบภาพ ไม่เกิดความคลาดเคลื่อนค่า MSE สามารถคานวณได้ดงั สมการที่ (2.32) ( X i  Yi )2 N i 1 N

MSE  

เมื่อ

Xi Yi N

คือ คือ คือ

(2.32)

ค่าที่ได้จากการวัดจริ ง (Observed data) ค่าที่ได้จากวิธีการหาขอบภาพ จานวนข้อมูลทั้งหมด

2.7.2 ค่ารากที่สองของค่าคลาดเคลื่อนกาลังสองเฉลี่ย (Root mean square error; RMSE) การหาประสิ ทธิ ภาพการของหาขอบภาพด้วยค่ารากที่สองของค่าความคลาดเคลื่อนกาลัง สองเฉลี่ย เป็ นการหาค่าโดยการถอดรากของวิธีค่าความผิดพลาดกาลังสองเฉลี่ยหรื อ MSE หากค่า RMSE มีค่าน้อยหรื อเท่ากับศูนย์แสดงว่าค่าความคลาดเคลื่ อนน้อยหรื อไม่มีความคลาดเคลื่ อนใน วิธีการหาขอบภาพ สามารถคานวณได้ดงั สมการที่ (2.33) RMSE 

เมื่อ

Xi Yi N

คือ คือ คือ

( X i  Yi ) 2  N i 1 N

ค่าที่ได้จากการวัดจริ ง (Observed data) ค่าที่ได้จากวิธีการหาขอบภาพ จานวนข้อมูลทั้งหมด

(2.33)

23 2.7.3 ค่าความผิดพลาดสัมบูรณ์เฉลี่ย (Mean absolute deviation; MAD) เป็ นวิธีวดั ความแม่นยาโดยการแก้ปัญหาค่าเฉลี่ ยความผิดพลาดโดยหาค่าความผิดพลาด ระหว่างค่าวัดจริ งกับค่าที่ได้จากวิธีการหาขอบภาพมีค่าเป็ นบวกเสมอ MAD 

เมื่อ

Xi Yi N

คือ คือ คือ

X

i

 Yi

N

ค่าที่ได้จากการวัดจริ ง (Observed data) ค่าที่ได้จากวิธีการหาขอบภาพ จานวนข้อมูลทั้งหมด

(2.34)

24

บทที่ 3 วิธีกำรดำเนินกำรวิจยั วิท ยานิ พ นธ์ น้ ี ไ ด้พ ฒ ั นาวิธี ก ารระบุ ระดับ น้ า ในคลองชลประทาน ล าธารและแบบการ จาลองระดับน้ า โดยการหาเส้นขอบภาพด้วยวิธีการหาขอบภาพแบบพรี วิท วิธีการหาขอบภาพแบบ โซเบลและวิธีการหาขอบภาพแบบฟัซซี่ลอจิก ภาพที่ 3.1 แสดงขั้นตอนการระบุระดับน้ า

3.1 ขั้นตอนกำรระบุระดับนำ้ ในพืน้ ทีศ่ ึกษำ เริ่ มต้น ศึกษางานวิจยั ที่เกี่ยวข้อง

คลองชลประทาน อ.นครชัยศรี จ.นครปฐม

ติดตั้งกล้องในพื้นที่ศึกษา

ลาธาร จังหวัดกาญจนบุรี แบบการจาลองระดับน้ า

แปลงภาพวิดีโอเป็ นภาพนิ่ง แปลงภาพสี เป็ นภาพโทนสี เทา

วิธีการหาขอบภาพแบบพรี วิท

ขอบภาพประยุกต์ใช้วธิ ีการ

วิธีการหาขอบภาพแบบโซเบล วิธีการหาขอบภาพแบบฟัซซี่ ลอจิก

A ภำพที่ 3.1 ขั้นตอนการระบุระดับน้ า

25 A แยกภาพระหว่างส่ วนบนบก และส่ วนน้ า ระบุระดับน้ าในแกน Y ของภาพโดย ใช้ ระยะทางแบบยูคลิเดียน

แสดงผลการ เปลี่ยนแปลง ระดับน้ า เก็บผลการทดลอง

วิธีค่าความผิดพลาดกาลังสอง

เฉลี่ย คานวณประสิ ทธิภาพของ วิธีการหาขอบภาพ

ระดับน้ า

วิธีการหาค่ารากที่สองของค่า คลาดเคลื่อนกาลังสองเฉลี่ย วิธีการหาค่าความผิดพลาด สัมบูรณ์เฉลี่ย

จบ ภำพที่ 3.1 ขั้นตอนการระบุระดับน้ า (ต่อ) จากภาพที่ 3.1 แสดงขั้นตอนการระบุระดับน้ าโดยการหาเส้นขอบภาพด้วยวิธีการหา ขอบภาพซึ่งมีวธิ ี และขั้นตอนระบุระดับน้ าดังนี้

26 ขั้นตอนที่ 1 ศึกษาข้อมูลและงานวิจยั ที่เกี่ยวข้อง ขั้นตอนที่ 2 ติดตั้งกล้องวงจรปิ ดในแหล่งพื้นที่ศึกษา ขั้นตอนที่ 3 ข้อมูลที่ได้จากกล้องวงจรปิ ด ทาการแปลงภาพเคลื่อนไหวให้เป็ นภาพนิ่ง ขั้นตอนที่ 4 ทาการแปลงภาพสี ให้เป็ นภาพโทนสี เทา ขั้นตอนที่ 5 ทาการหาขอบภาพทั้ง 3 ได้แก่ วิธีการหาขอบภาพแบบพรี วิท วิธีการหา ขอบภาพแบบโซเบลและวิธีการหาขอบภาพแบบฟัซซี่ลอจิก ขั้นตอนที่ 6 ทาการแยกวัตถุในภาพระหว่างส่ วนบนบกและนาออกจากกัน ขั้นตอนที่ 7 ทาการหาขอบเส้นของระดับน้ า ขั้นตอนที่ 8 ใช้ ส มการ ระยะทางแบบยู ค ลิ เ ดี ย นในการระบุ ร ะดั บ น้ าที่ มี ก าร เปลี่ยนแปลง ขั้นตอนที่ 9 ท าการหาประสิ ท ธิ ภ าพของวิ ธี ก ารหาขอบภาพด้ว ย วิ ธี ก าร ค่ า ความ ผิดพลาดกาลังสองเฉลี่ ย วิธีการหาค่ารากที่สองของค่าคลาดเคลื่ อนกาลังสองเฉลี่ ยและวิธีค่าความ ผิดพลาดสัมบูรณ์เฉลี่ย ขั้นตอนที่ 10 แสดงกราฟค่าความผิดพลาดของวิธีการหาขอบภาพ

3.2 พืน้ ทีก่ ำรทดลองและศึกษำข้ อมูล พื้นที่ศึกษาในวิทยานิ พนธ์น้ ี ได้ทาการศึกษาที่คลองชลประทาน อาเภอนครชัยศรี จังหวัด นครปฐม ท้องน้ าหรื อลาธารน้ า จังหวัดกาญจนบุรี และ แบบการจาลองระดับน้ า โดยมีรายละเอียด ดังนี้ พื้นที่ศึกษาที่ 1 คลองชลประทาน อาเภอนครชัยศรี จังหวัดนครปฐม

ภำพที่ 3.2 คลองชลประทานที่ อาเภอนครชัยศรี จังหวัดนครปฐม จากภาพที่ 3.2 คลองชลประทานที่ 1 อาเภอนครชัยศรี จังหวัดนครปฐม เป็ นคลองดินและ เป็ นคลองขนาดเล็กที่รับน้ ามาจากคลองชลประทานที่เป็ นคลองใหญ่ อยูใ่ กล้กบั ถนน ซึ่ งจะมีน้ ามาก

27 ในช่ วงหน้า ฝนและในช่ วงหน้า ร้ อนจะมี น้ า น้อย คลองนี้ มี ไ ว้ส าหรั บ การเกษตรในพื้ นที่ ใ ห้ก ับ ประชาชน พื้นที่ศึกษาที่ 2 ท้องน้ าหรื อลาธารน้ า จังหวัดกาญจนบุรี

ภำพที่ 3.3 ลาธารน้ า จังหวัดกาญจนบุรี จากภาพที่ 3.3 ลาธารน้ า จังหวัดกาญจนบุรี เป็ นลาธารน้ าที่รับน้ ามาจากคลองชลประทาน เข้าตามท้องไร่ ทอ้ งนาในสวนของประชาชนที่ทาเกษตรจะมีขนาดเล็กกว่าคลองชลประทานที่เป็ น คลองดินซึ่ งหน้าฝนจะมีน้ ามาก แต่ถา้ หน้าร้อนจะไม่มีน้ า เนื่องจากเป็ นคลองขนาดเล็ก พื้นที่ศึกษาที่ 3 แบบการจาลองระดับน้ า

ภำพที่ 3.4 แบบการจาลองระดับน้ า จากภาพที่ 3.4 แสดงแบบการจาลองระดับน้ า สาหรับการจาลองระดับน้ าเพื่อนามา วิเคราะห์ระดับน้ าที่มีการเปลี่ยนแปลง ในการเก็บข้อมูล ณ พื้นที่ศึกษาได้ต้ งั กล้องวงจรปิ ด โดยใช้ขอบตลิ่งเป็ นจุดอ้างอิงของ โดยปรับก ระดับน้ าในพื้นที่ศึกษาดังกล่าวล้องวงจรปิ ดให้พอดีกบั ขอบตลิ่งน้ า

28 ตำรำงที่ 3.1 ข้อมูลและพื้นที่ศึกษา ลาดับที่ พื้นที่ศึกษา

1

2

คลองที่อาเภอ นครชัยศรี จังหวัด นครปฐม

ท้องน้ าหรื อลา ธารน้ าที่ จังหวัด กาญจนบุรี

ภาพ

ขนาด

250  350 พิกเซล

200  300 พิกเซล

3

แบบการ จาลองระดับ น้ า 1

700  1200 พิกเซล

4

แบบการ จาลองระดับ น้ า 2

250  300 พิกเซล

ค่าวัดจริ งของรอยต่อระหว่างระดับน้ าและตลิ่ง (Observed data) ได้จากการกาหนดจาก ภาพจริ งที่ทาการแปลงจากภาพสี แปลงภาพเป็ นภาพสี เทา ดังภาพในตารางที่ 3.1 โดยมีแกนตั้งและ แกนนอนเป็ นค่าบอกคู่ลาดับมีหน่วยเป็ นพิเกซล

29 แบบทีละเฟรม วิธีการหาขอบภาพแบบพรี วิท วิธีการหาขอบภาพแบบโซเบล วิธีการหาขอบภาพแบบฟัซซี่ ลอจิก ลอจิก

แบบทีละ 2 เฟรม แบบทีละ 3 เฟรม แบบทีละ 5 เฟรม แบบทีละ 10 เฟรม

ภำพที่ 3.5 วิธีการหาขอบภาพและการปรับเฟรม

3.3 วิธีกำรติดตั้งกล้องขอบเขตของภำพ ในการติ ดตั้งกล้องวงจรปิ ดนั้น จะใช้ขอบตลิ่ งของคลองชลประทานในพื้นที่ น้ ันๆ เป็ น จุดอ้างอิงเนื่องจากระดับ น้ าในพื้นที่แต่ละแห่ งมีลกั ษณะและท้องน้ าที่แตกต่างกันดังนั้น จึงใช้ขอบ ตลิ่งของคลองชลประทานเป็ นจุดอ้างอิงบอกถึงระดับน้ าสู งสุ ดโดยตั้งกล้องให้ขอบภาพด้านบนอยู่ ใกล้กบั ตลิ่งของคลองชลประทานดังภาพที่ 3.6

ภำพที่ 3.6 กาหนดจุดอ้างอิง

30

3.4 วิธีกำรแปลงภำพสี เป็ นภำพโทนสี เทำ ข้อมูลจากกล้องวงจรปิ ดภาพที่ได้มานั้นเป็ นภาพแบบเคลื่ อนไหวซึ่ งภาพนั้นเรี ยกว่า เฟรม จากนั้นต้องทาการแปลงภาพเคลื่อนไหวให้เป็ นภาพนิ่ ง จึงสามารนาภาพมาวิเคราะห์หาระดับน้ าได้ ต่อไป ภาพที่ 3.7 แสดงภาพจากกล้องวงจปิ ดเพื่อกาหนดจุดอ้างอิง ของลาธาร จังหวัดกาญจนบุรี

ภำพที่ 3.7 ตัวอย่างภาพจากกล้องวงจรปิ ด ต้นฉบับ นาข้อมูลจากกล้องวงจรปิ ดที่ได้มานั้นทาการแปลงภาพให้เป็ นภาพนิ่งแสดงได้ดงั ภาพที่ 3.8

ภำพที่ 3.8 ตัวอย่างจากภาพเคลื่อนไหวแปลงให้เป็ นภาพนิ่ง จากภาพที่ 3.8 ภาพที่ได้มานั้นจะเป็ นภาพสี จะถูกแปลงให้เป็ นภาพโทนสี เทาดังภาพที่ 3.9

31

ภำพที่ 3.9 ตัวอย่างภาพโทนสี เทา

3.5 วิธีกำรหำขอบภำพ วิธีการหาขอบภาพสามารถแบ่งออกเป็ น 3 วิธีคือวิธีการหาขอบภาพแบบพรี วทิ วิธีการหา ขอบภาพแบบโซเบลและวิธีการหาขอบภาพแบบฟัซซี่ ลอจิกแต่ละวิธีมีข้ นั ตอนการหาขอบภาพดังนี้ ต่อไปนี้ ขั้นตอนการหาขอบภาพแบบพรี วทิ แสดงดังภาพที่ 3.10 เริ่ มต้น ติดตั้งกล้องวงจรปิ ด แปลงภาพเคลื่อนไหวให้เป็ นภาพนิ่ง แปลงภาพสี ให้เป็ นภาพโทนสี เทา หาขอบภาพด้วยวิธีแบบพรี วิท จบ ภำพที่ 3.10 ขั้นตอนการหาขอบภาพด้วยวิธีแบบพรี วทิ

32 จากภาพที่ 3.10 ขั้นตอนการหาขอบภาพด้วยวิธีแบบพรี วิท ตัวอย่างภาพที่ได้จะเป็ นดังภาพที่ 3.11

ภำพที่ 3.11 ตัวอย่างภาพด้วยวิธีการหาขอบภาพแบบพรี วทิ ขั้นตอนการหาขอบภาพแบบโซเบล แสดงได้ดงั ภาพที่ 3.12 เริ่ มต้น ติดตั้งกล้องวงจรปิ ด แปลงภาพเคลื่อนไหวให้เป็ นภาพนิ่ง แปลงภาพสี ให้เป็ นภาพโทนสี เทา หาขอบภาพด้วยวิธีแบบโซเบล จบ ภำพที่ 3.12 ขั้นตอนการหาขอบภาพด้วยวิธีแบบโซเบล จากภาพที่ 3.12 ขั้นตอนการหาขอบภาพด้วยวิธีแบบโซเบล ตัวอย่างภาพที่ได้จะเป็ นดังภาพที่ 3.13

33

ภำพที่ 3.13 ตัวอย่างภาพด้วยวิธีการหาขอบภาพแบบโซเบล ขั้นตอนการหาขอบภาพแบบฟัซซี่ ลอจิก แสดงได้ดงั ภาพที่ 3.13

เริ่ มต้น ติดตั้งกล้องวงจรปิ ด แปลงภาพเคลื่อนไหวให้เป็ นภาพนิ่ง แปลงภาพสี ให้เป็ นภาพโทนสี เทา

ฟัซซี่ ฟิเคชัน (Fuzzification) การอนุมานเชิงฟัซซี่ (Fuzzy inference) ดีฟิซซิฟเคชัน (Defuzzification) ได้ขอบภาพด้วยวิธีการแบบฟัซซี่ ลอจิก จบ

ภำพที่ 3.14 ขั้นตอนการหาขอบภาพด้วยวิธีแบบฟัซซี่ ลอจิก ภาพที่ 3.14 ขั้นตอนการหาขอบภาพด้วยวิธีแบบฟัซซี่ลอจิกภาพตัวอย่างที่ได้จะแสดงดังภาพที่ 3.15

34

ภำพที่ 3.15 ตัวอย่างภาพพด้วยวิธีการหาขอบภาพแบบฟัซซี่ลอจิก

3.6 วิธีกำรหำเส้ นระบุระดับนำ้ จากขั้นตอนการหาขอบภาพทั้ง 3 วิธีที่ผา่ นมานั้นยังไม่สามารถระบุระดับน้ าในภาพได้ ทันที ดังนั้นขั้นตอนต่อไปนี้คือการหาเส้นระบุระดับน้ าซึ่ งมีวธิ ี การดังนี้ 3.6.1 วิธีการหาขอบภาพแบบพรี วทิ การหาขอบภาพพื้นที่บนบกและพื้นน้ าดังรู ปที่ 3.16 เพื่อหาเส้นระบุระดับน้ าด้วยวิธีการหาขอบภาพแบบพรี วิทดังภาพที่ 3.17

ภำพที่ 3.16 พื้นที่บนบกและพื้นน้ าจากวิธีการหาขอบภาพแบบพรี วทิ

35

ภำพที่ 3.17 เส้นระบุระดับน้ าด้วยวิธีการหาขอบภาพแบบพรี วทิ 3.6.2 วิธีการหาขอบภาพแบบโซเบลการหาขอบภาพพื้นที่บนบกและพื้นน้ าดังรู ปที่ 3.18 เพื่อหาเส้นระบุระดับน้ าด้วยวิธีการหาขอบภาพแบบพรี วทิ ดังภาพที่ 3.19

ภำพที่ 3.18 พื้นที่บนบกและพื้นผิวน้ าจากวิธีการหาขอบภาพแบบโซเบล

ภำพที่ 3.19 เส้นระบุระดับน้ าด้วยวิธีการหาขอบภาพแบบโซเบล

36 3.6.3 วิธีการหาขอบภาพแบบโซเบลการหาขอบภาพพื้นที่บนบกและพื้นน้ าดังรู ปที่ 3.20 เพื่อหาเส้นระบุระดับน้ าด้วยวิธีการหาขอบภาพแบบพรี วทิ ดังภาพที่ 3.21

\

ภำพที่ 3.20 พื้นที่บนบกและพื้นผิวน้ าจากวิธีการหาขอบภาพแบบฟัซซี่ ลอจิก

ภำพที่ 3.21 เส้นระบุระดับน้ าด้วยวิธีการหาขอบภาพแบบฟัซซี่ ลอจิก

37

3.7 กำรระบุระดับนำ้ โดยกำรใช้ ระยะทำงแบบยูคลิเดียน จากการหาเส้นระบุระดับน้ าด้วยวิธีการหาขอบภาพทั้ง 3 วิธีที่ได้กล่าวมานั้น หากสังเกต มองด้วยตาจะไม่สามารถระบุระดับน้ าที่มีการเปลี่ ยนแปลงได้ ดังนั้นจึงได้ใช้ ระยะทางแบบยูคลิ เดียนมาประยุกต์ใช้ ในการระบุระดับน้ าของภาพนิ่ง แถว หลัก (X

21

 X 11 ) 2  ( X 22  X 12 ) 2  ...  n

21

 (X 109

. . . . . . . . . . .

101

 X 91 ) 2  ( X 102  X 922 ) 2  ...  n

1 2 3 4 5 6 7 8 9 10

1 2 3 4 5 6 7 8 9 10 11 0 0 0 0 1 0 0 0 0 0

0 0 0 0 1 0 0 0 0 0

0 0 0 0 1 0 0 0 0 0

0 0 0 0 1 0 0 0 0 0

0 0 0 0 1 0 0 0 0 0

0 1 0 0 1 1 0 0 0 0

0 0 0 0 1 1 0 0 0 0

0 0 0 0 1 0 0 0 0 0

0 0 0 0 1 0 0 0 0 0

0 0 0 0 1 0 0 0 0 0

0 0 0 0 1 0 0 0 0 0

ภำพที่ 3.22 การระบุระดับน้ าโดยใช้ ระยะทางแบบยูคลิเดียน จากภาพที่ 3.22 แสดงวิธีการระบุระดับน้ าโดยใช้ระยะทางแบบยูคลิเดียนในการหาระดับน้ าในเฟรม

3.8 เครื่ องมือทีใ่ ช้ ในกำรทดลอง ในการทดลองครั้งนี้ได้นาเครื่ องมือและอุปกรณ์มาใช้ดงั นี้ 3.8.1. กล้องวงจรปิ ด รุ่ น R10-AHD130W ยีห่ อ้ Black eagle

ภำพที่ 3.23 กล้องวงจรปิ ดรุ่ น R10-AHD130W

38

บทที่ 4 ผลกำรทดลอง การประยุกต์ใช้วิธีการหาขอบภาพทั้ง 3 แบบ ได้แก่วิธีการหาขอบภาพแบบฟั ซซี่ ลอจิ ก วิธีการหาขอบภาพแบบโซเบลและวิธีการหาขอบภาพแบบพรี วิท และได้ทาการเก็บบันทึกข้อมูล จากกล้องวงจรปิ ดในพื้ นที่ ศึ ก ษาดัง นี้ 1. คลองชลประทาน อาเภอนครชัย ศรี จังหวัดนครปฐม 2. ล าธาร จัง หวัด กาญจนบุ รี และ 3. แบบการจ าลองระดับ น้ า โดยค่ า ระดับ น้ า ตรวจวัด จริ ง (Observed data) และค่าระดับน้ าจากวิธีการหาขอบภาพแบบวิธีการหาขอบภาพแบบฟั ซซี่ ลอจิ ก (Fuzzy output data) ค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบโซเบล (Sobel output data) และวิธี ระดับน้ าด้วยการหาขอบภาพแบบพรี วิท ( Prewitt output data) จะถู กนามาหาค่าความแตกต่าง (Errors) และระดับน้ าที่มีการเปลี่ยงแปลงในช่วงเวลาศึกษา (Response) การบันทึกวิดีโอได้ทาการ จัดเก็บข้อมู ลในช่ วงเวลาเช้า ซึ่ งภาพที่ ได้จะถู กแปลงเป็ นภาพนิ่ งและนามา พิจารณาในช่ วง 100 เฟรม การเปลี่ยนแปลงของระดับน้ าเกิดจากเฟรมมีการเลื่อนไปข้างหน้า ดังนั้นเพื่อตรวจวัดระดับน้ า ได้อย่างแม่นยา จึงได้ออกแบบกรณี ศึกษาเพื่อวัดระดับน้ าออกเป็ น 5 กรณี ดังตารางที่ 4.1 ตำรำงที่ 4.1 กรณี ศึกษาการปรับเลื่อนเฟรม (Sampling frame) กรณี ศึกษา

การปรับเลื่อนเฟรม

1

แบบทีละ1 เฟรม

2

แบบทีละ 2 เฟรม

3

แบบทีละ 3 เฟรม

4

แบบทีละ 5 เฟรม

5

แบบทีละ 10 เฟรม

การประเมินประสิ ทธิภาพของวิธีการหาขอบภาพมี 3 วิธีดงั ตารางที่ 4.2 ตำรำงที่ 4.2 วิธีการวัดค่า ประสิ ทธิภาพของวิธีการหาขอบภาพ กรณี ที่ วิธีการวัดประสิ ทธิภาพ 1

ความผิดพลาดกาลังสองเฉลี่ย (MSE)

2

รากที่สองของค่าคลาดเคลื่อนกาลังสองเฉลี่ย (RMSE)

3

ความผิดพลาดสัมบูรณ์เฉลี่ย (MAD)

39

Errors

Observed data – Fuzzy output data

4.1 ผลกำรทดลองและกำรวิ เ ครำะห์ ร ะดั บ น้ ำ กรณี ศึ ก ษำที่ 1 พื้ น ที่ ศึ ก ษำ คลอง ชลประทำน อำเภอนครชัยศรี จังหวัดนครปฐม

ภำพที่ 4.1 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ลอจิก กรณี ศึกษาที่ 1 คลองชลประทาน จังหวัดนครปฐม

Errors

Observed data – Sobel output data

จากภาพที่ 4.1 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบฟั ซซี่ ลอจิกพบว่าเฟรมที่ 8 มีค่าระดับน้ าสู งสุ ดและเฟรม ที่ 90 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Fuzzy output data เกิดขึ้นในเฟรมที่ 39

ภำพที่ 4.2 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบล กรณี ศึกษาที่ 1 คลองชลประทาน จังหวัดนครปฐม

40

Errors

Observed data – Prewitt output data

จากภาพที่ 4.2 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าจากผลการทดลองด้วยวิธีการหาขอบภาพแบบโซเบลพบว่าเฟรมที่ 8 มีค่าระดับน้ า สู งสุ ดและเฟรมที่ 90 มี ค่ า ระดั บ น้ าต่ าสุ ด จะเห็ นได้ ว่ า ค่ า ผิ ด พลาดสู งสุ ดระหว่ า ง Observed data กับ Sobel output data เกิดขึ้นในเฟรมที่ 95

ภำพที่ 4.3 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ศึกษาที่ 1 คลองชลประทาน จังหวัดนครปฐม จากภาพที่ 4.3 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าจากผลการทดลองด้วยวิธีการหาขอบภาพแบบพรี วิทพบว่าเฟรมที่ 8 มีค่าระดับน้ า สู งสุ ดและเฟรมที่ 90 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Prewitt output data สู งสุ ด เฟรมที่ 97

41

Errors

Observed data – Fuzzy output data

4.2 ผลกำรทดลองและกำรวิเครำะห์ ระดับนำ้ กรณีศึกษำที่ 2 พืน้ ทีศ่ ึกษำ คลอง ชลประทำน อำเภอนครชัยศรี จังหวัดนครปฐม

ภำพที่ 4.4 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ ลอจิก กรณี ศึกษาที่ 2 คลองชลประทาน จังหวัดนครปฐม

Errors

Observed data – Sobel output data

จากภาพที่ 4.4 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบฟั ซซี่ ลอจิกพบว่าระดับน้ าเฟรมที่ 5 มีค่าระดับน้ าสู งสุ ด และเฟรมที่ 46 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Fuzzy output data สู งสุ ดเฟรมที่ 10

ภำพที่ 4.5 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบล กรณี ศึกษาที่ 2 คลองชลประทาน จังหวัดนครปฐม

42

Errors

Observed data – Prewitt output data

จากภาพที่4. 5 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบพรี วิทพบว่าระดับน้ าเฟรมที่ 5 มีค่าระดับน้ าสู งสุ ดและ เฟรมที่ 46 มีค่าระดับน้ าต่ าสุ ด จะเห็ นได้ว่าค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Sobel output data สู งสุ ดเฟรมที่ 36

ภำพที่ 4.6 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ศึกษาที่ 2 คลองชลประทาน จังหวัดนครปฐม จากภาพที่ 4.6 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบโซเบลพบว่าระดับน้ าเฟรมที่ 5 มีค่าระดับน้ าสู งสุ ดและ เฟรมที่ 46 มีค่าระดับน้ าต่าสุ ด จะเห็ นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Prewitt output data สู งสุ ดเฟรมที่ 11

43

Errorss

Observed data – Fuzzy output data

4.3 ผลกำรทดลองและกำรวิเครำะห์ ระดับนำ้ กรณีศึกษำที่ 3 พืน้ ทีศ่ ึกษำ คลอง ชลประทำน อำเภอนครชัยศรี จังหวัดนครปฐม

ภำพที่ 4.7 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟั ซซี่ ลอจิก กรณี ศึกษาที่ 3 คลองชลประทาน จังหวัดนครปฐม

Errors

Observed data – Sobel output data

จากภาพที่ 4.7 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบฟั ซซี่ ลอจิกพบว่าระดับน้ าเฟรมที่ 3 มีค่าระดับน้ าสู งสุ ด และเฟรมที่ 30 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Fuzzy output data สู งสุ ดเฟรมที่ 9

ภำพที่ 4.8 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบล กรณี ศึกษาที่ 3 คลองชลประทาน จังหวัดนครปฐม

44

Errors

Observed data – Prewitt output data

จากภาพที่4. 8 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบโซเบลพบว่าระดับน้ าเฟรมที่ 12 มีค่าระดับน้ าสู งสุ ดและ เฟรมที่ 33 มีค่าระดับน้ าต่ าสุ ด จะเห็ นได้ว่าค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Sobel output data สู งสุ ดเฟรมที่ 12

ภำพที่ 4.9 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ศึกษาที่ 3 คลองชลประทาน จังหวัดนครปฐม จากภาพที่ 4.9 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบพรี วิทพบว่าระดับน้ าเฟรมที่ 33 มีค่าระดับน้ าสู งสุ ดและ เฟรมที่ 31 มีค่าระดับน้ าต่าสุ ด จะเห็ นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Prewitt output data สู งสุ ดเฟรมที่ 33

45

Errors

Observed data – Fuzzy ououtp data

4.4 ผลกำรทดลองและกำรวิเครำะห์ ระดับนำ้ กรณีศึกษำที่ 4 พืน้ ทีศ่ ึกษำ คลอง ชลประทำน อำเภอนครชัยศรี จังหวัดนครปฐม

ภำพที่ 4.10 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ลอจิก กรณี ศึกษาที่ 4 คลองชลประทาน จังหวัดนครปฐม

Errors

Observed data – Sobel output data

จากภาพที่ 4.10 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบฟัซซี่ ลอจิกพบว่าระดับน้ าเฟรมที่ 8 มีค่าระดับน้ าสู งสุ ด และเฟรมที่ 14 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Fuzzy output data สู งสุ ดเฟรมที่ 14

ภำพที่ 4.11 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบล กรณี ศึกษาที่ 4 คลองชลประทาน จังหวัดนครปฐม

46

Errors

Observed data – Prewitt output data

จากภาพที่ 4.11 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบโซเบลว่าระดับน้ าเฟรมที่ 8 มีค่าระดับน้ าสู งสุ ดและเฟรม ที่ 14 มีค่าระดับน้ าต่ าสุ ด จะเห็ นได้ว่าค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Sobel output data สู งสุ ดเฟรมที่ 14

ภำพที่ 4.12 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ศึกษาที่ 4 คลองชลประทาน จังหวัดนครปฐม จากภาพที่ 4.12 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบพรี วิทพบว่าระดับน้ าเฟรมที่ 5 มีค่าระดับน้ าสู งสุ ดและ เฟรมที่ 19 มีค่าระดับน้ าต่ าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Prewitt output data สู งสุ ดเฟรมที่ 5

47

Errors

Observed data – Fuzzy output data

4.5 ผลกำรทดลองและกำรวิ เ ครำะห์ ร ะดั บ น้ ำ กรณี ศึ ก ษำที่ 5 พื้ น ที่ ศึ ก ษำ คลอง ชลประทำน อำเภอนครชัยศรี จังหวัดนครปฐม

ภำพที่ 4.13 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ลอจิก กรณี ศึกษาที่ 5 คลองชลประทาน จังหวัดนครปฐม

Errors

Observed data – Sobel output data

จากภาพที่ 4.13 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบฟั ซซี่ ลอจิกพบว่าระดับน้ าเฟรมที่ 1 มีค่าระดับน้ าสู งสุ ด และเฟรมที่ 10 มีระดับน้ าต่าสุ ดและมีค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Fuzzy output data สู งสุ ดเฟรมที่ 2

ภำพที่ 4.14 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบล กรณี ศึกษาที่ 5 คลองชลประทาน จังหวัดนครปฐม

48

Errors

Observed data – Prewitt output data

จากภาพที่ 4.14 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบโซเบลพบว่าระดับน้ าเฟรมที่ 2 มีค่าระดับน้ าสู งสุ ดและ เฟรมที่ 5 มีค่าระดับน้ าต่ าสุ ด จะเห็ นได้ว่าค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Sobel output data สู งสุ ดเฟรมที่ 2

ภำพที่ 4.15 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ศึกษาที่ 5 คลองชลประทาน จังหวัดนครปฐม จากภาพที่ 4.15 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าจากผลการทดลองด้วยวิธีการหาขอบภาพแบบพรี วิทพบว่าระดับน้ าเฟรมที่ 3 มีค่า ระดับน้ าสู งสุ ดและเฟรมที่ 10 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Prewitt output data สู งสุ ดเฟรมที่ 3 ตำรำงที่ 4.3 ค่าความผิดพลาดกาลังสองเฉลี่ยของวิธีการหาขอบภาพ ณ คลองนครชัยศรี จังหวัด นครปฐม วิธีการหา ขอบภาพ ฟัซซี่ลอจิก โซเบล พรี วทิ

ค่าความผิดพลาดกาลังสองเฉลี่ย (MSE) กรณี ศึกษาที่ 1

0.79 226.36 186.45

กรณี ศึกษาที่ 2

6.16 194.38 128.82

กรณี ศึกษาที่ 3

5.88 319.26 133.35

กรณี ศึกษาที่ 4

3.25 209.65 98.75

กรณี ศึกษาที่ 5

2.10 326.60 91.60

ตารางที่ 4.3 แสดงหาค่าความผิดพลาดกาลังสองเฉลี่ ย โดยวิธีการหาขอบภาพแบบฟั ซซี่ ลอจิก วิธีการหาขอบภาพแบบโซเบลและวิธีการหาขอบภาพแบบพรี วิท การปรับ เลื่อนเฟรมเพื่อ

49 วิเคราะห์การหาระดับน้ าจากทั้ง 5 กรณี ศึกษา ผลจากการทดลองพบว่า วิธีการหาขอบภาพแบบฟั ซซี่ ลอจิก กรณี ศึกษาที่ 1 มีค่า MSE เท่ากับ 0.79 ซึ่ งมีค่าน้อยที่สุดเมื่อเปรี ยบเทียบกับการหาขอบภาพวิธี อื่น ตำรำงที่ 4.4 ค่ารากที่สองขอค่าคลาดเคลื่อนกาลังสองเฉลี่ยของวิธีการหาขอบภาพ ณ คลอง นครชัยศรี จังหวัดนครปฐม วิธีการหา ขอบภาพ ฟัซซี่ลอจิก โซเบล พรี วทิ

ค่ารากที่สองขอค่าคลาดเคลื่อนกาลังสองเฉลี่ย (RMSE) กรณี ศึกษาที่ 1

0.89 15.05 13.65

กรณี ศึกษาที่ 2

2.48 13.94 11.35

กรณี ศึกษาที่ 3

2.43 17.87 11.55

กรณี ศึกษาที่ 4

1.80 14.48 9.94

กรณี ศึกษาที่ 5

1.45 18.07 9.57

ตารางที่ 4.4 แสดงค่ารากที่สองขอค่าคลาดเคลื่อนกาลังสองเฉลี่ย โดยวิธีการหาขอบภาพ แบบฟั ซซี่ ลอจิก วิธีการหาขอบภาพแบบโซเบลและวิธีการหาขอบภาพแบบพรี วิท การปรับ เลื่อน เฟรมเพื่อวิเคราะห์การหาระดับน้ าจากทั้ง 5 กรณี ศึกษา ผลจากการทดลองพบว่า วิธีการหาขอบภาพ แบบฟัซซี่ลอจิก กรณี ศึกษาที่ 1 มีค่า RMSE เท่ากับ 0.89 ซึ่ งมีค่าน้อยที่สุดเมื่อเปรี ยบเทียบกับการหา ขอบภาพวิธีอื่น ตำรำงที่ 4.5 ค่าความผิดพลาดสัมบูรณ์เฉลี่ยของวิธีการหาขอบภาพ ณ คลองนครชัยศรี จังหวัด นครปฐม วิธีการหา ขอบภาพ ฟัซซี่ลอจิก โซเบล พรี วทิ

ค่าความผิดพลาดสัมบูรณ์เฉลี่ย (MAD) กรณี ศึกษาที่ 1

0.51 11.36 10.63

กรณี ศึกษาที่ 2

1.8 11.02 9.82

กรณี ศึกษาที่ 3

1.71 12.79 10.18

กรณี ศึกษาที่ 4

1.15 11.25 9.45

กรณี ศึกษาที่ 5

1.1 13.6 9.2

ตารางที่ 4.5 แสดงค่าความผิดพลาดสัมบูรณ์เฉลี่ย โดยวิธีการหาขอบภาพแบบฟัซซี่ ลอจิก วิธีการหาขอบภาพแบบโซเบลและวิธีการหาขอบภาพแบบพรี วิท การปรับ เลื่อนเฟรมเพื่อวิเคราะห์ การหาระดับน้ าจากทั้ง 5 กรณี ศึกษา ผลจากการทดลองพบว่า วิธีการหาขอบภาพแบบฟั ซซี่ ลอจิก กรณี ศึกษาที่ 1 มีค่า MAD เท่ากับ 0.51 ซึ่ งมีค่าน้อยที่สุดเมื่อเปรี ยบเทียบกับการหาขอบภาพวิธีอื่น

50

Errors

Observed data – Fuzzy output data

4.6 ผลกำรทดลองและกำรวิเครำะห์ ระดับนำ้ กรณีศึกษำที่ 1 พืน้ ทีศ่ ึกษำ ลำธำร จังหวัดกำญจนบุรี

ภำพที่ 4.16 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ ลอจิกกรณี ที่ 1 ลาธาร จังหวัดกาญจนบุรี

Errors

Observed data – Sobel output data

จากภาพที่ 4.16 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบฟั ซซี่ ลอจิกพบว่าระดับน้ าเฟรมที่ 60 มีค่าระดับน้ าสู งสุ ด และเฟรมที่ 70 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Fuzzy output data สู งสุ ดเฟรมที่ 3

ภำพที่ 4.17 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบล กรณี ที่ 1 ลาธาร จังหวัดกาญจนบุรี

51

Errors

Observed data – Prewitt output data

จากภาพที่ 4.17 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบโซเบลพบว่าระดับน้ าเฟรมที่ 66 มีค่าระดับน้ าสู งสุ ดและ เฟรมที่ 99 มีค่าระดับน้ าต่าสุ ด จะเห็ นได้ว่าค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Sobel output data สู งสุ ดเฟรมที่ 66

ภำพที่ 4.18 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ที่ 1 ลาธาร จังหวัดกาญจนบุรี จากภาพที่ 4.18 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบพรี วิทพบว่าระดับน้ าเฟรมที่ 68 มีค่าระดับน้ าสู งสุ ดและ เฟรมที่ 1 มีค่าระดับน้ าต่ าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Prewitt output data สู งสุ ดเฟรมที่ 68

52

Errors

Observed data – Fuzzy output data

4.7 ผลกำรทดลองและกำรวิเครำะห์ ระดับน้ำ กรณีศึกษำกรณีที่ 2 พื้นที่ศึกษำ ลำธำร จังหวัดกำญจนบุรี

ภำพที่ 4.19 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ลอจิก กรณี ที่ 2 ลาธาร จังหวัดกาญจนบุรี

Errors

Observed data – Sobel output data

จากภาพที่ 4.19 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบฟัซซี่ ลอจิกพบว่าระดับน้ าเฟรมที่ 20 มีค่าระดับน้ าสู งสุ ด และเฟรมที่ 1 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Fuzzy output data สู งสุ ดเฟรมที่ 2

ภำพที่ 4.20 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบล กรณี ที่ 2 ลาธาร จังหวัดกาญจนบุรี

53

Errors

Observed data – Prewitt output data

จากภาพที่ 4.20 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบโซเบลพบว่าระดับน้ าเฟรมที่ 9 มีค่าระดับน้ าสู งสุ ดและ เฟรมที่ 50 มีค่าระดับน้ าต่ าสุ ด จะเห็ นได้ว่าค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Sobel output data สู งสุ ดเฟรมที่ 9

ภำพที่ 4.21 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ที่ 2 ลาธาร จังหวัดกาญจนบุรี จากภาพที่ 4.21 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบพรี วิทพบว่าระดับน้ าเฟรมที่ 14 มีค่าระดับน้ าสู งสุ ดและ เฟรมที่ 1 มีค่าระดับน้ าต่ าสุ ด จะเห็ นได้ว่าค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Prewitt output data สู งสุ ดเฟรมที่ 48

54

Errors

Observed data – Fuzzy output data

4.8 ผลกำรทดลองและกำรวิเครำะห์ ระดับน้ำ กรณีศึกษำกรณีที่ 3 พื้นที่ศึกษำ ลำธำร จังหวัดกำญจนบุรี

ภำพที่ 4.22 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ลอจิก กรณี ที่ 3 ลาธาร จังหวัดกาญจนบุรี

Errors

Observed data – Sobel output data

จากภาพที่ 4.22 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบฟั ซซี่ ลอจิกพบว่าระดับน้ าเฟรมที่ 11 มีค่าระดับน้ าสู งสุ ด และเฟรมที่ 27 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Fuzzy output data สู งสุ ดเฟรมที่ 2

ภำพที4.23 ่ ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบล กรณี ที่ 3 ลาธาร จังหวัดกาญจนบุรี

55

Errors

Observed data – Prewitt output data

จากภาพที่ 4.23 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ ศึกษากับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบโซเบลพบว่าระดับน้ าเฟรมที่ 4 มีค่าระดับน้ าสู งสุ ด และเฟรมที่ 26 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Sobel output data สู งสุ ดเฟรมที่ 29

ภำพที่ 4.24 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ที่ 3 ลาธาร จังหวัดกาญจนบุรี จากภาพที่ 4.24 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบพรี วิทพบว่าระดับน้ าเฟรมที่ 7 มีค่าระดับน้ าสู งสุ ดและ เฟรมที่ 1 มีค่าระดับน้ าต่ าสุ ด จะเห็ นได้ว่าค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Prewitt output data สู งสุ ดเฟรมที่ 29

56

Errors

Observed data – Fuzzy output data

4.9 ผลกำรทดลองและกำรวิเครำะห์ ระดับน้ำ กรณีศึกษำกรณีที่ 4 พื้นที่ศึกษำ ลำธำร จังหวัดกำญจนบุรี

ภำพที่ 4.25 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ลอจิก กรณี ที่ 4 ลาธาร จังหวัดกาญจนบุรี

Errors

Observed data – Sobel output data

จากภาพที่ 4.25 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบฟั ซซี่ ลอจิกพบว่าระดับน้ าเฟรมที่ 7 มีค่าระดับน้ าสู งสุ ด และเฟรมที่ 15 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Fuzzy output data สู งสุ ดเฟรมที่ 15

ภำพที่ 4.26 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบลกรณี ที่ 4 ลาธาร จังหวัด กาญจนบุรี

57

Errors

Observed data – Prewitt output data

จากภาพที่ 4.26 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบโซเบลพบว่าระดับน้ าเฟรมที่ 14 มีค่าระดับน้ าสู งสุ ดและ เฟรมที่ 20 มีค่าระดับน้ าต่ าสุ ด จะเห็ นได้ว่าค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Sobel output data สู งสุ ดเฟรมที่ 14

ภำพที่ 4.27 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ที่ 4 ลาธาร จังหวัดกาญจนบุรี จากภาพที่ 4.27 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบพรี วิทพบว่าระดับน้ าเฟรมที่ 8 มีค่าระดับน้ าสู งสุ ดและ เฟรมที่ 1 มีค่าระดับน้ าต่ าสุ ด จะเห็ นได้ว่าค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Prewitt output data สู งสุ ดเฟรมที่ 8

58

Errors

Observed data – Fuzzy output data

4.10 ผลกำรทดลองและกำรวิเครำะห์ ระดับน้ำ กรณีศึกษำกรณีที่ 5 พื้นที่ศึกษำ ลำธำร จังหวัดกำญจนบุรี

ภำพที่ 4.28 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ลอจิก กรณี ที่ 5 ลาธาร จังหวัดกาญจนบุรี

Errors

Observed data – Sobel output data

จากภาพที่ 4.28 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบฟั ซซี่ ลอจิกพบว่าระดับน้ าเฟรมที่ 7 มีค่าระดับน้ าสู งสุ ด และเฟรมที่ 1 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Fuzzy output data สู งสุ ดเฟรมที่ 8

ภำพที่ 4.29 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบล กรณี ที่ 5 ลาธาร จังหวัดกาญจนบุรี

59

Errors

Observed data – Prewitt output data

จากภาพที่ 4.29 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบโซเบลพบว่าระดับน้ าเฟรมที่ 5 มีค่าระดับน้ าสู งสุ ดและ เฟรมที่ 1 มีค่าระดับน้ าต่ าสุ ด จะเห็ นได้ว่าค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Sobel output data สู งสุ ดเฟรมที่ 5

ภำพที่ 4.30 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ที่ 5 ลาธาร จังหวัดกาญจนบุรี จากภาพที่ 4.30 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบพรี วทิ พบว่าระดับน้ าเฟรมที่ 3 มีค่าระดับน้ าสู งสุ ดและ เฟรมที่ 1 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Prewitt output data สู งสุ ดเฟรมที่ 3 ตำรำงที่ 4.6 ค่าความผิดพลาดกาลังสองเฉลี่ยของวิธีการหาขอบภาพ ณ ลาธาร จังหวัดกาญจนบุรี วิธีการหา ขอบภาพ ฟัซซี่ลอจิก โซเบล พรี วทิ

ค่าความผิดพลาดกาลังสองเฉลี่ย (MSE) กรณี ศึกษาที่ 1

0.60 314.60 399.36

กรณี ศึกษาที่ 2

0.66 344.80 364.90

กรณี ศึกษาที่ 3

0.61 257.21 299.59

กรณี ศึกษาที่ 4

0.65 306.30 771.80

กรณี ศึกษาที่ 5

0.90 310.10 500.70

ตารางที่ 4.6 แสดงค่าความผิดพลาดกาลังสองเฉลี่ย โดยวิธีการหาขอบภาพแบบฟัซซี่ลอจิก วิธีการหาขอบภาพแบบโซเบลและวิธีการหาขอบภาพแบบพรี วทิ การปรับ เลื่อนเฟรมเพื่อวิเคราะห์ การหาระดับน้ าจากทั้ง 5 กรณี ศึกษา ผลจากการทดลองพบว่า วิธีการหาขอบภาพแบบฟัซซี่ ลอจิก กรณี ศึกษาที่ 1 มีค่า MSE เท่ากับ 0.60 ซึ่ งมีค่าน้อยที่สุดเมื่อเปรี ยบเทียบกับการหาขอบภาพวิธีอื่น

60 ตำรำงที่ 4.7 ค่ารากที่สองของค่าคลาดเคลื่อนกาลังสองเฉลี่ยของวิธีการหาขอบภาพ ณ ลาธาร จังหวัดกาญจนบุรี วิธีการหา ขอบภาพ ฟัซซี่ลอจิก โซเบล พรี วทิ

ค่ารากที่สองขอค่าคลาดเคลื่อนกาลังสองเฉลี่ย (RMSE) กรณี ศึกษาที่ 1

กรณี ศึกษาที่ 2

กรณี ศึกษาที่ 3

กรณี ศึกษาที่ 4

กรณี ศึกษาที่ 5

0.77 17.74 19.98

0.81 18.57 19.10

0.78 16.04 17.31

0.81 17.50 27.78

0.95 17.61 22.38

ตารางที่ 4.7 แสดงค่ารากที่สองของค่าคลาดเคลื่อนกาลังสองเฉลี่ย โดยวิธีการหาขอบภาพ แบบฟั ซซี่ ลอจิก วิธีการหาขอบภาพแบบโซเบลและวิธีการหาขอบภาพแบบพรี วิท การปรับ เลื่อน เฟรมเพื่อวิเคราะห์การหาระดับน้ าจากทั้ง 5 กรณี ศึกษา ผลจากการทดลองพบว่า วิธีการหาขอบภาพ แบบฟัซซี่ลอจิก กรณี ศึกษาที่ 1 มีค่า RMSE เท่ากับ 0.77 ซึ่ งมีค่าน้อยที่สุดเมื่อเปรี ยบเทียบกับการหา ขอบภาพวิธีอื่น ตำรำงที่ 4.8 ค่าความผิดพลาดสัมบูรณ์เฉลี่ของวิธีการหาขอบภาพ ณ ลาธารจังหวัดกาญจนบุรี วิธีการหา ขอบภาพ ฟัซซี่ลอจิก โซเบล พรี วทิ

ค่าความผิดพลาดสัมบูรณ์เฉลี่ย (MAD) กรณี ศึกษาที่ 1

0.39 16.74 17.48

กรณี ศึกษาที่ 2

0.54 17.44 17.9

กรณี ศึกษาที่ 3

0.41 15.21 16.18

กรณี ศึกษาที่ 4

0.55 16.4 21

กรณี ศึกษาที่ 5

0.7 15.9 21.3

ตารางที่ 4.8 แสดงค่าความผิดพลาดสัมบูรณ์เฉลี่ ย โดยวิธีการหาขอบภาพแบบฟั ซซี่ ลอจิก วิธีการหาขอบภาพแบบโซเบลและวิธีการหาขอบภาพแบบพรี วิท การปรับ เลื่อนเฟรมเพื่อวิเคราะห์ การหาระดับน้ าจากทั้ง 5 กรณี ศึกษา ผลจากการทดลองพบว่า วิธีการหาขอบภาพแบบฟั ซซี่ ลอจิก กรณี ศึกษาที่ 1 มีค่า MAD เท่ากับ 0.39 ซึ่ งมีค่าน้อยที่สุดเมื่อเปรี ยบเทียบกับการหาขอบภาพวิธีอื่น

61

บทที่ 5 สรุปผลกำรวิจยั และข้ อเสนอแนะ 5.1 บทสรุป วิทยานิพนธ์ น้ ี ได้ศึกษาการระบุระดับน้ าของภาพในวิดีโอโดยการหาเส้นขอบภาพด้วยวิธี ฟัซซี่ ลอจิก เพื่อทาการตรวจวัดระดับน้ าจากล้องวงจรปิ ด โดยมีพ้ืนที่ศึกษาดังนี้ คลองชลประทาน อาเภอนครชัยศรี จังหวัดนครปฐม ลาธารในจังหวัดกาญจนบุรี และ แบบการจาลองระดับน้ า และ ศึกษาวิธีการหาขอบภาพทั้ง 3 วิธีดงั นี้ วิธีการหาขอบภาพแบบฟัซซี่ ลอจิก วิธีการหาขอบภาพแบบ โซเบล และวิธีการหาขอบภาพแบบพรี วิท เพื่อนามาวิเคราะห์หาระดับน้ าจากกล้องวงจรปิ ด และ เปรี ยบเทียบประสิ ทธิ ภาพของตัวหาขอบภาพ ด้วยวิธีค่าความผิดพลาดกาลังสองเฉลี่ ย วิธีค่ารากที่ สองของค่าคลาดเคลื่ยอนกาลังสองเฉลี่ย และวิธีค่าความผิดพลาดสัมบูรณ์เฉลี่ย โดยในกรณี ศึกษา ครั้งนี้ ได้ทาการวิเคราะห์รูปภาพแบบ ทีละเฟรม แบบทีละ 2 เฟรม แบบทีละ 3 เฟรม แบบทีละ 5 เฟรม และแบบทีละ 10 เฟรม โดยสามารถสรุ ปผลการทดลองได้ดงั นี้ 5.1.1 พื้นที่ศึกษาคลองชลประทาน อาเภอนครชัยศรี จังหวัดนครปฐม ในการหาระดับน้ า ตัวหาขอบภาพแบบฟั ซซี่ ล อจิ กมี ป ระสิ ท ธิ ภาพในการหาระดับ น้ า ได้ดีที่ สุ ด และ การวิเคราะห์ รู ปภาพแบบเฟรมต่อเฟรมมีประสิ ทธิ ภาพโดยค่า MSE มี ค่าเท่ากับ 0.79 RMSE มี ค่าเท่ากับ 0.89 และ ค่า MAD มีค่าเท่า 0.51 5.1.2 พื้นที่ศึกษาลาธาร จังหวัดกาญจนบุ รี ในการหาระดับน้ าตัวหาขอบภาพแบบฟั ซซี่ ลอจิกมี ประสิ ทธิ ภาพในการหาระดับน้ าได้ดีที่สุด และ การวิเคราะห์รูปภาพแบบเฟรมต่อเฟรมมี ประสิ ทธิ ภาพโดยค่า MSE มีค่าเท่ากับ 0.60 RMSE มีค่าเท่ากับ 0.77 และ ค่า MAD มีค่าเท่ากับ 0.39

5.2 ปัญหำทีพ่ บในกำรวิจัยและแนวทำงในกำรแก้ปัญหำ ปั ญหาที่พบในการวิจยั ศึกษาการระบุระดับน้ าในคลองชลประทานโดยการหาเส้นขอบภาพ ด้วยวิธีฟัซซี่ ลอจิก และแนวทางในการแก้ปัญหามีดงั นี้ 5.2.1 งานวิจยั นี้เป็ นการตรวจวัดระดับน้ าโดยได้ศึกษาท้องน้ าในแต่และแหล่ง ดังนั้นปั ญหา ที่ พบคื อระดับพื้นที่ แต่ละแหล่ งมี ความแตกต่างดังนั้นจึ งใช้จุดอ้างอิ งคื อขอบตลิ่ งของท้องน้ า ณ พื้นที่น้ นั เป็ นจุดอ้างอิง

62

5.3 ข้ อเสนอแนะและแนวทำงกำรพัฒนำ 5.3.1 งานวิจยั นี้สามารถพัฒนาหาตัวหาขอบภาพแบบใหม่ โดยใช้วธิ ีการหาขอบภาพแบบ ใหม่และวิธีการต่าง เพื่อเพิ่มประสิ ทธิ ภาพในการหาระดับน้ าที่มีประสิ ทธิ ภาพมากยิง่ ขึ้น 5.3.2 เพื่อศึกษาพื้นที่ศึกษาที่มีความแตกต่างทางภูมิศาสตร์ และสภาพอากาศที่แตกต่างกัน ไป เช่น ช่วงเที่ยง ช่วงเย็น และ กลางคืน ที่มีระดับแสงที่แตกต่างกันเพื่อทดสอบประสิ ทธิภาพของ วิธีการหาขอบภาพ 5.3.3 ในงานวิทยานิพนธ์ครั้งนี้ จานวนเฟรมที่นามาวิเคราะห์เป็ นจานวนน 100 เฟรม ควร ที่จะมีการวิเคราะห์จานวนเฟรมให้มากขึ้นเพื่อศึกษาความแตกต่างและความละเอียดของข้อมูล

63

เอกสำรอ้ำงอิง

64

เอกสำรอ้ำงอิง [1] [2]

[3]

[4] [5] [6]

[7] [8]

[9] [10]

[11]

ณั ญ ภาพ นิ่ ม ปี ติ ว ัน , ธุ จิ พ รรณ สั ม ปนณา และนราธิ ป โกวิ ท ., “ภาวะโลก ร้ อ นกับ สภาพการณ์ดา้ นพลังงานของประเทศ”, มหำวิทยำลัยกรุ งเทพ. หน้า 105-109 อนุกูล บูรณประทีปรัตน์ “การเปลี่ยนแปลงในวัฏจักรน้ าขึ้นน้ าลงของกระแสน้ า อุณหภูมิ และ ความเค็ม ของน้ า ทะเลบริ เวณแหลมแท่ น จัง หวัด ชลบุ รี ในช่ ว ง 2 ฤดู ม รสุ ม ” , มหำวิทยำลัยบูรพำ 2553. หน้า 67 -75 ปรี ชา ปิ ยจันทร์ “ชุ มชนกับการจัดการอุทกภัยปี พ.ศ. 2554 กรณี ศึกษา ชุ มชนอยูเ่ จริ ญ เขต ดอน เมือง กรุ งเทพมหานคร (อยูเ่ จริ ญโมเดล)” วำรสำรกำรศึกษำและพัฒนำสั งคม. ปี ที่ 7, ฉบับที่ 2. ปี การศึกษา 2554 . 17 -28 ณชพงศ จันจุฬา “การจัดการน้ าแบบรัฐและแบบชาวบ้าน” มหำลัยสงขลำ นครินทร์ . 2552 หน้า 80 - 86 วิโรจน์ องอาจ “การประมวลผลภาพวัดขนาดเส้นผ่านศูนย์กลางเส้นใยโพลิ เมอร์ จากการ ปั่ นด้วยไฟฟ้าสถิต” สถำบันเทคโนโลยีพระจอมเกล้ำพระนครเหนือ. 2549 หน้า 150 - 156 สกล อุดมศริ และยุติ ฉัตรวรานนท์ เสนอผลงาน 2556 “อัลกอริ ทึมสาหรับการตัววัดระดับ ความ รุ น แรง ของกระแสน าโดยตัว กรองจับ ขอบพิ ก เซลชนิ ด FIR” EECON. หน้า 226-231. Mashiro Iwahashi and Sakol Udomsiri “Water level detection form video with fir filtering” IEEE. 2007. pp.826 – 831. Evandro Scudeleti Ortigoss., Fabio Dia., Jo Ueyama and Luis Gustavo Nonato “Using Digital Image Processing to Estimate the Depth of Urban Streams.” SIBGRAPI. pp. 293-96. Nipuni Hettiarachchi and Rohana Priyantha Thilakumara “Water Level Forecasting and Flood Warning System A Neuro-Fuzzy Approac.” IJAER. 2015. 96-99. S. Alvisi1., G. Mascellani., M. Franchini1 and A. Bardoss “Water level forecasting through fuzzy logic and artificial neural network approaches.” Hydrology and Earth System Sciences. 2006. pp. 154-160. M. Stuber and P. Gemmar. “An Approach for data analysis and forecasting with neuro fuzzy systems demonstrated on flood events at river mosel.” International conference on computational intelligence. 28 -30 April 1997. pp. 1-8.

65 [12]

[13] [14]

[15] [16]

[17]

[18]

[19] [20]

[21]

I. Hasn., M.Satzger., M.Sattler., R.Duester., T.Hies and E.Jose “An effective camera based water level recording technology for flood monitoring.” INTERPRAEVENT. 2016. pp-87-99. Chapman “Fuzzy sets and fuzzy logic in the human sciences.” Software Agents and Soft Computing Towards Enhancing Machine Intelligence. 2016. pp.175-186. Jaeiyoung Yu and Hernsoo “Remote detection and monitoring of a water level using narrow band channel.” JOURNAL OF INFORATION SCIENCE AND ENGINEERING 26. 2010. pp. 71-82. Arum “Object detection using the canny Edge Detector.” IJSR, India Online. 2010. pp. 213- 216. Yoichi Takagi., Akio Tsujikawa., Masao Takato., Takeshi Saito and Motoko Kaida. “Development of a noncontact liquid level measuring system using image processing” Software Agents and Soft Computing Towards Enhancing Machine Intelligence. 1998. pp. 381 – 387. Shinsuke Kobayashi., Shogo Muramatsu., Hisakazu Kikuchi and Masahiro Iwahashi “Water level tracking with condensation algorithm.” Conference: IWAIT International Workshop on Advanced Image Technology. 2006. pp.218-224. Toshiki Masaki., Hiroshi Kikuchi and Masahiro Iwahashi “ Water level detection from video for river monitoring.” International Symposium on Environmental Management :Hazardous-Environmental Management Toward Sustainability. 2008. pp. 133-134. M.Iwahashi., S.Udomsiri., Y. Imai and S.Fukuman “Water level detection for river Surveillance utilizing JP2K wavelet transform.”APCCAS. 2006. pp. 205-210. Javad M.and Amir A. “Water level measurement using image processing.” The second international conference on Agriculture and natural resource, At kermanshah, Iran. Vol 2., pp.393 – 395. Sagi Eppel and Tal Kachman “Computer vision-based recognition of liquid surfaces and phase boundaries in transparent vessels, with emphasis on chemistry applications.” IEEE. 2007. pp. 36- 41.

66 [22]

[23] [24]

[25] [26] [27]

[28]

[29]

[30] [31] [32]

[33]

L. S. Nguyen., B. Schaeli., D. Sage., S. Kayal., D. Jeanbourquin., D. A. Barryand and L. Rossi “Vision-based system for the control and measurement of wastewater flow rate in sewer systems.” Water Science & Technology. 2009. pp. 2281- 2289. Kiranpreet Kaur., Vikram Mutenja and Inderjeet Singh Gill “Fuzzy logic based image edge detection algorithm in MATLAB.” IJCA 55-58. Maring campolo., Alfredo soldati and Paolo Andreussi “Artificial neural network approach to flood forecasting in the River Arno.” Hytrological Sciences-Journal-des Sciences Hydrologiques, 48 (3), 2003. pp. 381 – 398. Marina Campolo., Paolo Andreussi and Alfredo Soldati “Water quality control in the river Arno.”, Water Research.. Vol.36., 2002. pp.2673- 2682. Li-Chiu Chang., Fi-John Chang and Ya-Hsin Tsai “ Fuzzy exemplar- based inference system for flood forecasting.” Water Resources Research. Vol. 41., 2005. pp. 1-12. C.W. Dawson., C. Harpham., R.L. Wilby and Y. Chen “ Evaluation of artificial neural network techniques for flow forecasting in the River Yangtze, China.” Hydrology and Earth System Sciences. 2002. pp. 619-626. Yeshewatesfa Hundecha, Andras Bardossy and Hans-Werner Thelsen (2001) “Development of a fuzzy logic-based rainfall – runoff model.” Hytrological SciencesJournal-desSciences Hydrologiques. 2001. pp. 363 – 376. Linda see and Stan openshaw “Applying soft computing approaches to river level forecasting.” Hytrological Sciences-Journal-des Sciences Hydrologiques. 1999. pp. 763 - 778 M.Iwahashi., S.Udomsiri and S. Fukuma “Water level detection based on waveler transform of JPEG2000.” IEICE. 2006. pp.531-534. Dennis Dunn and Willian E.Higgins “Optimal gabor filters for texture segmentation”, IEEE. Vol 4., 1995. pp. 947 – 964. Masahiro Iwahashi., Sakol Udomsiri., Yuji lmai and Suriyon Tansuriyavong “Functionally layered coding for river monitoring.” International workshop on advanced image technology, no.P1-27 2007. pp 918 – 923. D.H. Pilgrim “Estimation of large and extreme design floods.” Civil eng. Trans. Inst. Engrs. Aust. Vol.CE28., 2007. pp. 67 – 73.

67 [34] [35]

[36]

[37] [38]

[39] [40] [41] [42]

[43]

Harshdeep Singh “Design of water level controller using fuzzy logic system.” National institue of technology rourkela. 2012. pp. 75-81. Dr. S.Denis Ashok “Fuzzy Logic Approach for Boiler Temperature and Water Level Control” International Journal of Scientific and Engineering Research. Vol. 3., 2012. pp. 8864 – 8870. Laith Abed Sabri and Hussein Ahmed AL-Mshat “Implementation of a fuzzy and a pid scheme in labview for a non linear level precess.” International Journal of Advanced Research in Electrical,Electronics and Instrumentation Engineering (IJAREEIE). 2016. pp. 4831 – 4837. วิชญ์ ศรี วงษา “วัดระดับน้ า” สำนักวิจัยและพัน ฒำ กรมชลประทำน และ สำนักบริ หำร จัดกำรนำ้ และอุทกวิทยำ กรมชลประทำน . 2011 หน้า 1-6 จริ นทร์ บุญเหมาะ “การตรวจข้อมู ลระดับน้ าทะเล” เอกสารประกอบการ ประชุ มเชิ ง ปฏิ บตั ิ การ เรื่ อง การประยุกต์ใช้ขอ้ มู ลระดับน้ าในการประเมิ นสภาพแวดล้อมทางทะเล โครงการ ASEAN – Austrlia cooperative program on marine science: Regional ocean dynamice” กรมชลประทำน. 8 มกราคม 2551 วศิน สิ นธุ ภิญโญ “Digital image processing and digital signal processing” ศู นย์ เทคโนโลยี อิเล็กทรอนิกส์ และคอมพิวเตอร์ แห่ งชำติ. 8 มกราคม 2550 ดร.วัชรพงษ์ อนรรฑเมธี “สมการเชิ งอนุ พนั ธ์ อันดับหนึ่ ง” ภำควิชำคณิตศำสตร์ คณะ วิทยำศำสตร์ มหำวิทยำลัยนเรศวร. 2556 หน้า 19 - 24 L.A. Zadeh “Fuzzy sets”, Information and control. 1965. pp. 338 – 358. Mamdani E. and H. Assilian S. “An experiment in linguistic synthesis with a fuzzy logic controller.” International Journal of Man-Machine Studies . Vol 7., Jan 1975 pp. 1-13. ชวัลรั ตน์ ทองช่ วย และ ประสงค์ ประณี ตพลกรั ง “Application of fuzzy logic in knowledge quality assessment for knowledge management systems in the context of institutions of higher education.” JOURNAL OF INFORMATION SCIENCE AND TECHNOLOGY. Vol 1., 2010 pp. 43 – 53.

68

ภำคผนวก ก ผลกำรทดลอง

69

Errors

Observed data – Fuzzy output data

ผลกำรทดลองและกำรวิเครำะห์ ระดับนำ้ กรณีศึกษำที่ 1 พืน้ ทีศ่ ึกษำแบบกำรจำลองระดับนำ้ ที่ 1

ภำพที่ ก. 1 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ ลอจิก กรณี ที่ 1 แบบการจาลองระดับน้ าที่ 1

Errors

Observed data – Soble output data

จากภาพที่ ก.1 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบฟั ซซี่ ลอจิกพบว่าระดับน้ าเฟรมที่ 45 มีค่าระดับน้ าสู งสุ ด และเฟรมที่ 58 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Fuzzy output data สู งสุ ดเฟรมที่ 57

ภำพที่ ก.2 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบล กรณี ที่ 1 แบบการจาลองระดับน้ าที่ 1 จากภาพที่ ก.2 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบโซเบลพบว่าระดับน้ าเฟรมที่ 45 มีค่าระดับน้ าสู งสุ ดและ

70

Errors

Observed data – Prewitt output data

เฟรมที่ 58 มีค่าระดับน้ าต่ าสุ ด จะเห็ นได้ว่าค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Sobel output data สู งสุ ดเฟรมที่ 37

ภำพที่ ก. 3 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ที่ 1 แบบการจาลองระดับน้ าที่ 1

Errors

Observed data – Fuzzy output data

จากภาพที่ ก.3 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบพรี วิทพบว่าระดับน้ าเฟรมที่ 45 มีค่าระดับน้ าสู งสุ ดและ เฟรมที่ 58 มีค่าระดับน้ าต่าสุ ด จะเห็ นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Prewitt output data สู งสุ ดเฟรมที่ 46 ผลกำรทดลองและกำรวิเครำะห์ ระดับนำ้ กรณีศึกษำที่ 2 พืน้ ทีศ่ ึกษำแบบกำรจำลองระดับนำ้ ที่ 1

ภำพที่ ก. 4 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ ลอจิก กรณี ที่ 2 แบบการจาลองระดับน้ าที่ 1

71

Errors

Observed data – Soble output data

จากภาพที่ ก. 4 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบฟั ซซี่ ลอจิกพบว่าระดับน้ าเฟรมที่ 24 มีค่าระดับน้ าสู งสุ ด และเฟรมที่ 29 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Fuzzy output data สู งสุ ดเฟรมที่ 29

ภำพที่ ก. 5 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบลกรณี ที่ 2 แบบการจาลองระดับน้ าที่ 1

Errors

Observed data – Prewitt output data

จากภาพที่ ก. 5 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบโซเบลพบว่าระดับน้ าเฟรมที่ 24 มีค่าระดับน้ าสู งสุ ดและ เฟรมที่ 29 มีค่าระดับน้ าต่ าสุ ด จะเห็ นได้ว่าค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Sobel output data สู งสุ ดเฟรมที่ 23

ภำพที่ ก. 6 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ที่ 2 แบบการจาลองระดับน้ าที่ 1

72 จากภาพที่ ก.6 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบพรี วิทพบว่าระดับน้ าเฟรมที่ 24 มีค่าระดับน้ าสู งสุ ดและ เฟรมที่ 29 มีค่าระดับน้ าต่าสุ ด จะเห็ นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Prewitt output data สู งสุ ดเฟรมที่ 23

Errors

Observed data – Fuzzy output data

ผลกำรทดลองและกำรวิเครำะห์ ระดับนำ้ กรณีศึกษำที่ 3 พืน้ ทีศ่ ึกษำแบบกำรจำลองระดับนำ้ ที่ 1

Errors

Observed data – Soble output data

ภำพที่ ก. 7 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ ลอจิก กรณี ที่ 3 แบบการจาลองระดับน้ าที่ 1 จากภาพที่ ก. 7 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบฟั ซซี่ ลอจิกพบว่าระดับน้ าเฟรมที่ 16 มีค่าระดับน้ าสู งสุ ด และเฟรมที่ 4 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Fuzzy output data สู งสุ ดเฟรมที่ 32

ภำพที่ ก. 8 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบลกรณี ที่ 3 แบบการจาลองระดับน้ าที่ 1

73

Errors

Observed data – Prewitt output data

จากภาพที่ ก. 8 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบโซเบลพบว่าระดับน้ าเฟรมที่ 16 มีค่าระดับน้ าสู งสุ ดและ เฟรมที่ 4 มีค่าระดับน้ าต่ าสุ ด จะเห็ นได้ว่าค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Sobel output data สู งสุ ดเฟรมที่ 13

ภำพที่ ก. 9 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ที่ 3 แบบการจาลองระดับน้ าที่ 1 จากภาพที่ ก.9 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบพรี วิทพบว่าระดับน้ าเฟรมที่ 16 มีค่าระดับน้ าสู งสุ ดและ เฟรมที่ 4 มีค่าระดับน้ าต่ าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Prewitt output data สู งสุ ดเฟรมที่ 16

74

Errors

Observed data – Fuzzy output data

ผลกำรทดลองและกำรวิเครำะห์ ระดับนำ้ กรณีศึกษำที่ 4 พืน้ ทีศ่ ึกษำ แบบกำรจำลองระดับนำ้ ที่ 1

ภำพที่ ก. 10 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ ลอจิก กรณี ที่ 4 แบบการจาลองระดับน้ าที่ 1

Errors

Observed data – Soble output data

จากภาพที่ ก. 10 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบฟั ซซี่ ลอจิกพบว่าระดับน้ าเฟรมที่ 10 มีค่าระดับน้ าสู งสุ ด และเฟรมที่ 12 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Fuzzy output data สู งสุ ดเฟรมที่ 4

ภำพที่ ก. 11 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบล กรณี ที่ 4 แบบการจาลองระดับน้ าที่ 1 จากภาพที่ ก. 11 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ ศึกษากับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบโซเบลพบว่าระดับน้ าเฟรมที่ 10 มีค่าระดับน้ า

75

Errors

Observed data – Prewitt output data

สู งสุ ดและเฟรมที่ 12 มีคา่ ระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Sobel output data สู งสุ ดเฟรมที่ 13

ภำพที่ ก. 12 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ที่ 4 แบบการจาลองระดับน้ าที่ 1 จากภาพที่ ก.12 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบพรี วิทพบว่าระดับน้ าเฟรมที่ 10 มีค่าระดับน้ าสู งสุ ดและ เฟรมที่ 12 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Prewitt output data สู งสุ ดเฟรมที่ 16

Errors

Observed data – Fuzzy output data

ผลกำรทดลองและกำรวิเครำะห์ ระดับนำ้ กรณีศึกษำที่ 5 พืน้ ทีศ่ ึกษำ แบบกำรจำลองระดับนำ้ ที่ 1

ภำพที่ ก. 13 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ ลอจิก กรณี ที่ 4 แบบการจาลองระดับน้ าที่ 1

76

Errors

Observed data – Soble output data

จากภาพที่ ก. 13 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบฟั ซซี่ ลอจิกพบว่าระดับน้ าเฟรมที่ 5 มีค่าระดับน้ าสู งสุ ด และเฟรมที่ 4 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Fuzzy output data สู งสุ ดเฟรมที่ 4

ภำพที่ ก. 14 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบลกรณี ที่ 4 แบบการจาลองระดับน้ าที่ 1

Errors

Observed data – Prewitt output data

จากภาพที่ ก. 14 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ ศึกษากับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบโซเบลพบว่าระดับน้ าเฟรมที่ 5 มีค่าระดับน้ าสู งสุ ด และเฟรมที่ 4 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Sobel output data สู งสุ ดเฟรมที่ 13

ภำพที่ ก. 15 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ที่ 1 แบบการจาลองระดับน้ าที่ 1

77 จากภาพที่ ก.15 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบพรี วิทพบว่าระดับน้ าเฟรมที่ 5 มีค่าระดับน้ าสู งสุ ดและ เฟรมที่ 4 มีค่าระดับน้ าต่ าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Prewitt output data สู งสุ ดเฟรมที่ 16 ตำรำงที่ ก.1 ค่าความผิดพลาดยกกาลังสองของวิธีการหาขอบภาพ ณ แบบการจาลองระดับน้ าที่ 1 วิธีการหา ขอบภาพ ฟัซซี่ลอจิก โซเบล พรี วทิ

วิธีค่าความผิดพลาดกาลังสองเฉลี่ย (MSE) กรณี ศึกษาที่ 1

กรณี ศึกษาที่ 2

4.14 28651.40 33728.42

583.66 117897.30 33021.28

กรณี ศึกษาที่ 3

582.14 148750.70 26179.09

กรณี ศึกษาที่ 4

480.55 37277.95 47298.70

กรณี ศึกษาที่ 5

942.50 37839.80 51317.30

ตารางที่ ก.1 แสดงค่าความผิดพลาดกาลังสองเฉลี่ยโดยวิธีการหาขอบภาพแบบฟัซซี่ลอจิก วิธีการหาขอบภาพแบบโซเบลและวิธีการหาขอบภาพแบบพรี วทิ การปรับเลื่อนเฟรมเพื่อวิเคราะห์ การหาระดับน้ าจากทั้ง 5 กรณี ศึกษา ผลจากการทดลองพบว่า วิธีการหาขอบภาพแบบฟัซซี่ ลอจิก กรณี ศึกษาที่ 1 มีค่า MSE เท่ากับ 2.03 ซึ่ งมีค่าน้อยที่สุดเมื่อเปรี ยบเทียบกับการหาขอบภาพวิธีอื่น ตำรำงที่ ก.2 รากที่สองของค่าคลาดเคลื่อนกาลังสองเฉลี่ยของวิธีการหาขอบภาพ ณ แบบการ จาลองระดับน้ าที่ 1 วิธีการหา ขอบภาพ ฟัซซี่ลอจิก โซเบล พรี วทิ

รากที่สองของค่คลาดเคลื่อนกาลังสองเฉลี่ย (RMSE) กรณี ศึกษาที่ 1

2.03 169.26 183.65

กรณี ศึกษาที่ 2

24.15 343.36 181.17

กรณี ศึกษาที่ 3

24.12 385.58 161.80

กรณี ศึกษาที่ 4

21.92 193.04 217.48

กรณี ศึกษาที่ 5

30.70 194.52 226.53

ตารางที่ ก.2 แสดงรากที่สองของค่าคลาดเคลื่ อนกาลังสองเฉลี่ย โดยวิธีการหาขอบภาพ แบบฟั ซซี่ ลอจิก วิธีการหาขอบภาพแบบโซเบลและวิธีการหาขอบภาพแบบพรี วิท การปรับเลื่อน เฟรมเพื่อวิเคราะห์การหาระดับน้ าจากทั้ง 5 กรณี ศึกษา ผลจากการทดลองพบว่า วิธีการหาขอบภาพ แบบฟัซซี่ลอจิก กรณี ศึกษาที่ 1 มีค่า RMSE เท่ากับ 2.03 ซึ่ งมีค่าน้อยที่สุดเมื่อเปรี ยบเทียบกับการหา ขอบภาพวิธีอื่น

78 ตำรำงที่ ก.3 ค่าความผิดพลาดสัมบูรณ์เฉลี่ยของวิธีการหาขอบภาพ ณ แบบการจาลองระดับน้ าที่ 1 วิธีการหา ขอบภาพ ฟัซซี่ลอจิก โซเบล พรี วทิ

ค่าความผิดพลาดสัมบูรณ์เฉลี่ย (MAD) กรณี ศึกษาที่ 1

5.62 111.9 126.2

กรณี ศึกษาที่ 2

9.98 101.46 131.2

กรณี ศึกษาที่ 3

7.23 91.76 107.44

กรณี ศึกษาที่ 4

6.2 112.2 152.7

กรณี ศึกษาที่ 5

7.1 83.3 162

ตารางที่ ก. 3 แสดงค่าความผิดพลาดสัมบูรณ์เฉลี่ย โดยวิธีการหาขอบภาพแบบฟัซซี่ ลอจิก วิธีการหาขอบภาพแบบโซเบลและวิธีการหาขอบภาพแบบพรี วทิ การปรับเลื่อนเฟรมเพื่อวิเคราะห์ การหาระดับน้ าจากทั้ง 5 กรณี ศึกษา ผลจากการทดลองพบว่า วิธีการหาขอบภาพแบบฟัซซี่ ลอจิก กรณี ศึกษาที่ 1 มีค่า MAD เท่ากับ 5.62 ซึ่ งมีค่าน้อยที่สุดเมื่อเปรี ยบเทียบกับการหาขอบภาพวิธีอื่น

Errors

Observed data – Fuzzy output data

ผลกำรทดลองและกำรวิเครำะห์ ระดับนำ้ กรณีศึกษำที่ 1 พืน้ ทีศ่ ึกษำ แบบกำรจำลองระดับนำ้ ที่ 2

ภำพที่ ก. 16 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ ลอจิก กรณี ที่ 1 แบบการจาลองระดับน้ าที่ 2 จากภาพที่ ก. 16 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบฟั ซซี่ ลอจิกพบว่าระดับน้ าเฟรมที่ 16 มีค่าระดับน้ าสู งสุ ด และเฟรมที่ 64 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Fuzzy output data สู งสุ ดเฟรมที่ 72

Errors

Observed data – Soble output data

79

ภำพที่ ก. 17 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบล กรณี ที่ 1 แบบการจาลองระดับน้ าที่ 2

Errors

Observed data – Prewitt output data

จากภาพที่ ก. 17 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ ศึกษากับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบโซเบลพบว่าระดับน้ าเฟรมที่ 16 มีค่าระดับน้ า สู งสุ ดและเฟรมที่ 64 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Sobel output data สู งสุ ดเฟรมที่ 68

ภำพที่ ก. 18 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ที่ 1 แบบการจาลองระดับน้ าที่ 2 จากภาพที่ ก.18 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบพรี วิทพบว่าระดับน้ าเฟรมที่ 16 มีค่าระดับน้ าสู งสุ ดและ

80 เฟรมที่ 64 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Prewitt output data สู งสุ ดเฟรมที่ 12

Errors

Observed data – Fuzzy output data

ผลกำรทดลองและกำรวิเครำะห์ ระดับนำ้ กรณีศึกษำที่ 2 พืน้ ทีศ่ ึกษำ แบบกำรจำลองระดับนำ้ ที่ 2

ภำพที่ ก. 19 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ ลอจิก กรณี ที่ 2 แบบการจาลองระดับน้ าที่ 2

Errors

Observed data – Soble output data

จากภาพที่ ก. 19 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบฟั ซซี่ ลอจิกพบว่าระดับน้ าเฟรมที่ 10 มีค่าระดับน้ าสู งสุ ด และเฟรมที่ 26 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Fuzzy output data สู งสุ ดเฟรมที่ 24

ภำพที่ ก. 20 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบลกรณี ที่ 2 แบบการจาลองระดับน้ าที่ 2

81

Errors

Observed data – Prewitt output data

จากภาพที่ ก. 20 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ ศึกษากับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบโซเบลพบว่าระดับน้ าเฟรมที่ 10 มีค่าระดับน้ า สู งสุ ดและเฟรมที่ 26 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Sobel output data สู งสุ ดเฟรมที่ 13

ภำพที่ ก. 21 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ที่ 2 แบบการจาลองระดับน้ าที่ 2 จากภาพที่ ก.21 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบพรี วิทพบว่าระดับน้ าเฟรมที่ 10 มีค่าระดับน้ าสู งสุ ดและ เฟรมที่ 26 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Prewitt output data สู งสุ ดเฟรมที่ 16

82

Errors

Observed data – Fuzzy output data

ผลกำรทดลองและกำรวิเครำะห์ ระดับนำ้ กรณีศึกษำที่ 3 พืน้ ทีศ่ ึกษำ แบบกำรจำลองระดับนำ้ ที่ 2

ภำพที่ ก. 22 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ ลอจิก กรณี ที่ 3 แบบการจาลองระดับน้ าที่ 2

Errors

Observed data – Soble output data

จากภาพที่ ก. 22 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบฟั ซซี่ ลอจิกพบว่าระดับน้ าเฟรมที่ 6 มีค่าระดับน้ าสู งสุ ด และเฟรมที่ 22 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Fuzzy output data สู งสุ ดเฟรมที่ 9

ภำพที่ ก. 23 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบล กรณี ที่ 3 แบบการจาลองระดับน้ าที่ 2

83

Errors Observed data – Prewitt output data

จากภาพที่ ก. 23 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ ศึกษากับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบโซเบลพบว่าระดับน้ าเฟรมที่ 6 มีค่าระดับน้ า สู งสุ ดและเฟรมที่ 22 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Sobel output data สู งสุ ดเฟรมที่ 5

ภำพที่ ก. 24 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ที่ 3 แบบการจาลองระดับน้ าที่ 2 จากภาพที่ ก.24 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบพรี วิทพบว่าระดับน้ าเฟรม 15 มีค่าระดับน้ าสู งสุ ดและ เฟรมที่ 24 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Prewitt output data สู งสุ ดเฟรมที่ 14

84

Errors

Observed data – Fuzzy output data

ผลกำรทดลองและกำรวิเครำะห์ ระดับนำ้ กรณีศึกษำที่ 4 พืน้ ทีศ่ ึกษำแบบกำรจำลองระดับนำ้ ที่ 2

ภำพที่ ก. 25 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ ลอจิก กรณี ที่ 4 แบบการจาลองระดับน้ าที่ 2

Errors

Observed data – Soble output data

จากภาพที่ ก. 25 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบฟั ซซี่ ลอจิกพบว่าระดับน้ าเฟรมที่ 6 มีค่าระดับน้ าสู งสุ ด และเฟรมที่ 10 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Fuzzy output data สู งสุ ดเฟรมที่ 4

ภำพที่ ก. 26 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบลกรณี ที่ 4 แบบการจาลองระดับน้ าที่ 2 จากภาพที่ ก. 26 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ ศึกษากับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบโซเบลพบว่าระดับน้ าเฟรมที่ 6 มีค่าระดับน้ า

85

Errors

Observed data – Prewitt output data

สู งสุ ดและเฟรมที่ 22 มีคา่ ระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Sobel output data สู งสุ ดเฟรมที่ 5

ภำพที่ ก. 27 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ที่ 4 แบบการจาลองระดับน้ าที่ 2 จากภาพที่ ก.27 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบพรี วิทพบว่าระดับน้ าเฟรม6 มีค่าระดับน้ าสู งสุ ดและ เฟรมที่ 22 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Prewitt output data สู งสุ ดเฟรมที่ 11

86

Errors

Observed data – Fuzzy output data

ผลกำรทดลองและกำรวิเครำะห์ ระดับนำ้ กรณีศึกษำที่ 5 พืน้ ทีศ่ ึกษำ แบบกำรจำลองระดับนำ้ ที่ 2

ภำพที่ ก. 28 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบฟัซซี่ ลอจิก กรณี ที่ 5 แบบการจาลองระดับน้ าที่ 2

Errors Observed data – Soble output data

จากภาพที่ ก. 28 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบฟั ซซี่ ลอจิกพบว่าระดับน้ าเฟรมที่ 2 มีค่าระดับน้ าสู งสุ ด และเฟรมที่ 8 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Fuzzy output data สู งสุ ดเฟรมที่ 3

ภำพที่ ก. 29 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบโซเบล กรณี ที่ 5 แบบการจาลองระดับน้ าที่ 2 จากภาพที่ ก. 26 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ ศึกษากับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบโซเบลพบว่าระดับน้ าเฟรมที่ 2 มีค่าระดับน้ าสู งสุ ด

87

Errors

Observed data – Prewitt output data

และเฟรมที่ 8 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Sobel output data สู งสุ ดเฟรมที่ 4

ภำพที่ ก. 30 ค่าความแตกต่างด้วยวิธีการหาขอบภาพแบบพรี วทิ กรณี ที่ 5 แบบการจาลองระดับน้ าที่ 2 จากภาพที่ ก.27 แสดงค่าความแตกต่างระหว่างค่าการตรวจวัดระดับน้ าจริ งจากพื้นที่ศึกษา กับค่าระดับน้ าด้วยวิธีการหาขอบภาพแบบพรี วิทพบว่าระดับน้ าเฟรม 6 มีค่าระดับน้ าสู งสุ ดและ เฟรมที่ 22 มีค่าระดับน้ าต่าสุ ด จะเห็นได้วา่ ค่าผิดพลาดสู งสุ ดระหว่าง Observed data กับ Prewitt output data สู งสุ ดเฟรมที่ 4 ตำรำงที่ ก.4 ค่าความผิดพลาดยกกาลังสองของวิธีการหาขอบภาพ ณ แบบการจาลองระดับน้ าที่ 2 วิธีการหา ขอบภาพ ฟัซซี่ลอจิก โซเบล พรี วทิ

ค่าความผิดพลาดกาลังสองเฉลี่ย (MSE) กรณี ศึกษาที่ 1

0.79 206.30 88.55

กรณี ศึกษาที่ 2

0.92 212.38 99.66

กรณี ศึกษาที่ 3

0.94 210.91 114.32

กรณี ศึกษาที่ 4

1.50 254.00 87.55

กรณี ศึกษาที่ 5

1.20 212.10 104.20

ตารางที่ ก. 4 แสดงค่าความผิดพลาดกาลังสองเฉลี่ ย โดยวิธีการหาขอบภาพแบบฟั ซ ซี่ ลอจิก วิธีการหาขอบภาพแบบโซเบลและวิธีการหาขอบภาพแบบพรี วิท การปรับเลื่อนเฟรมเพื่อ วิเคราะห์การหาระดับน้ าจากทั้ง 5 กรณี ศึกษา ผลจากการทดลองพบว่า วิธีการหาขอบภาพแบบฟั ซซี่ ลอจิก กรณี ศึกษาที่ 1 มีค่า MSE เท่ากับ 0.79 ซึ่ งมีค่าน้อยที่สุดเมื่อเปรี ยบเทียบกับการหาขอบภาพวิธี อื่น

88 ตำรำงที่ ก. 4 รากที่สองของค่คลาดเคลื่อนกาลังสองเฉลี่ยของวิธีการหาขอบภาพ ณ แบบการจาลอง ระดับน้ าที่ 2 วิธีการหา ขอบภาพ ฟัซซี่ลอจิก โซเบล พรี วทิ

รากที่สองของค่คลาดเคลื่อนกาลังสองเฉลี่ย (RMSE) กรณี ศึกษาที่ 1

0.89 14.36 9.41

กรณี ศึกษาที่ 2

0.96 14.57 9.98

กรณี ศึกษาที่ 3

0.97 14.52 10.69

กรณี ศึกษาที่ 4

1.22 15.94 9.36

กรณี ศึกษาที่ 5

1.10 14.56 10.21

ตารางที่ ก. 5 แสดงรากที่ สองของค่คลาดเคลื่ อนกาลังสองเฉลี่ ย โดยวิธีการหาขอบภาพ แบบฟั ซซี่ ลอจิก วิธีการหาขอบภาพแบบโซเบลและวิธีการหาขอบภาพแบบพรี วิท การปรับเลื่อน เฟรมเพื่อวิเคราะห์การหาระดับน้ าจากทั้ง 5 กรณี ศึกษา ผลจากการทดลองพบว่า วิธีการหาขอบภาพ แบบฟัซซี่ลอจิก กรณี ศึกษาที่ 1 มีค่า RMSE เท่ากับ 0.89 ซึ่ งมีค่าน้อยที่สุดเมื่อเปรี ยบเทียบกับการหา ขอบภาพวิธีอื่น ตำรำงที่ ก. 6 ค่าความผิดพลาดสัมบูรณ์เฉลี่ย ของวิธีการหาขอบภาพ ณ แบบการจาลองระดับน้ าที่ 2 วิธีการหา ขอบภาพ ฟัซซี่ลอจิก โซเบล พรี วทิ

กรณี ศึกษาที่ 1 0.47 11.68 7.11

ค่าความผิดพลาดสัมบูรณ์เฉลี่ย (MAD) กรณี ศึกษาที่ 2 กรณี ศึกษาที่ 3 กรณี ศึกษาที่ 4 กรณี ศึกษาที่ 5 0.56 0.59 0.7 0.8 11.9 11.62 13 11.7 7.82 8.26 7.35 8.2

ตารางที่ ก. 6 แสดงค่าความผิดพลาดสัมบูรณ์เฉลี่ย โดยวิธีการหาขอบภาพแบบฟัซซี่ลอจิก วิธีการหาขอบภาพแบบโซเบลและวิธีการหาขอบภาพแบบพรี วทิ การปรับเลื่อนเฟรมเพื่อวิเคราะห์ การหาระดับน้ าจากทั้ง 5 กรณี ศึกษา ผลจากการทดลองพบว่า วิธีการหาขอบภาพแบบฟัซซี่ ลอจิก กรณี ศึกษาที่ 1 มีค่า MAD เท่ากับ 0.47 ซึ่ งมีค่าน้อยที่สุดเมื่อเปรี ยบเทียบกับการหาขอบภาพวิธีอื่น

89

ภำพผนวก ข งำนวิจยั ที่เกีย่ วข้ องกับวิทยำนิพนธ์ ทไี่ ด้ รับกำรตีพมิ พ์

90 งานวิจยั ที่เกี่ยวข้องกับวิทยานิ พนธ์ที่ได้รับการตีพิมพ์ 1. สกล อุดมศริ และยุติ ฉัตรวรานนท์ เสอนผลงาน 2556 “อัลกอริทมึ สำหรับกำรตัววัดระดับควำม รุ นแรง ของกระแสนำโดยตัวกรองจับขอบพิกเซลชนิด FIR” EECON 36, pp.226-231. 2. นายยุติ ฉัต รวรานนท์ , ดร วชิ ร าภรณ์ เพิ่ ม พู น สิ น ทรั พ ย์ . และ ผศ.ดร.สกล อุ ด ศิ ริ : IDENTIFICATION OF WATER LEVEL IN IRRIGATION CANAL BASE ON FUZZY LOGIC EDGE DETECTION, Eco-Energy and Materials Science and Engineering Symposium (EMSES2016) ระหว่างวันที่ 2559 ธันวาคม 4 – 1 ณ Centara Hotel & Convention Centre Udon Thani.

91

ประวัติผู้วจิ ัย ชื่ อ นำมสกุล วัน เดือน ปี เกิด ทีอ่ ยู่ ประวัติกำรศึกษำ ระดับมัธยมศึกษำตอนต้ น ระดับ ปวช

ระดับอนุปริ ญญำ ระดับปริญญำตรี

นายยุติ ฉัตรวรานนท์ 1 กฎกฏาคม 2530 ตาบล อ้อมน้อย อาเภอ กระทุ่มแบน 10 หมู่ที่ 130/85 74130 จังหวัดสมุทรสาคร โรงเรี ยนพระปฐมวิทยาลัย จังหวัดนครปฐม 2545 ประกาศนียบัตรวิชาชีพ สาขา สาขา คอมพิวเตอร์ ธุรกิจ เทคโนโลยีนครปฐม 2548 ประกาศนียบัตรวิชาชีพชั้นสู ง สาขา บริ หารธุ รกิจ คอมพิวเตอร์ วิทยาลัยอาชีวศึกษานครปฐม 2551 วิศวกรรมศาสตร์ สาขา อิเล็กโทรนิคและโทรคมนาคม คณะวิศซกรรมศาสตร์ สถาบันเทคโนโลยีปทุมวัน 2556

ระดับปริญญำโท

วิศวกรรมศาสตรหาบัณฑิต สาขาวิศวกรรมไฟฟ้า คณะวิศวกรรมศาสตร์ สถานบันเทคโนโลยีปทุมวัน 2560

ควำมชำนำญเฉพำะด้ ำน ประสบกำรณ์ ทำงำน 2556 -2559

1. ด้านโปรแกรมและคอมพิวเตอร์ บริ ษทั อาหารสัตว์ไทยสวนหลวง จากัด ตาแหน่ง โปรแกรมเมอร์