បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយបញ្ហានៃការរកឃើញភាពខុសប្រក្រតីនៃកម្ដៅ (Thermal anomalies) នៅក្នុងឧបករណ៍អគ្គិសនី ដើម្បីការពារការខូចខាតប្រព័ន្ធ និងអគ្គិភ័យ តាមរយៈប្រព័ន្ធតាមដានកម្ដៅជាក់ស្តែង។
វិធីសាស្ត្រ (The Methodology)៖ អ្នកស្រាវជ្រាវបានស្នើឡើងនូវវិធីសាស្ត្រវិភាគរកកំហុសប្រកបដោយប្រសិទ្ធភាព (EFDM) ដោយរួមបញ្ចូលរូបភាពអុបទិក និងកម្ដៅ ព្រមទាំងបង្កើតក្បួនដោះស្រាយថ្មីដើម្បីកែលម្អការបែងចែករូបភាព។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Optimal Threshold Segmentation (OTS) with EFDM ក្បួនដោះស្រាយការកំណត់ទីតាំងកម្រិតប្រសើរ (OTS) រួមបញ្ចូលគំរូលំហ-ពេលវេលា |
អាចកាត់បន្ថយការចាប់យកខុសទីតាំងកម្ដៅ (over-segmentation) បានយ៉ាងមានប្រសិទ្ធភាព និងមានសមត្ថភាពដំណើរការក្នុងពេលជាក់ស្តែងលើឧបករណ៍ Edge computing ដោយមិនស៊ីធនធានច្រើន។ | ទាមទារការសង្កេតបន្ថែមនៅពេលបរិយាកាសមានពន្លឺជះខ្លាំងពីផ្ទៃលោហៈ ការប្រែប្រួលសីតុណ្ហភាពបរិស្ថានឆាប់រហ័ស ឬនៅពេលឧបករណ៍អគ្គិសនីបាំងគ្នា។ | សម្រេចបានភាពសុក្រឹត (Precision) ៩៧,៥៧% ភាពត្រឹមត្រូវនៃការប៉ាន់ស្មានសីតុណ្ហភាព ៩៥,៣០% ក្នុងល្បឿនជាមធ្យម >23 FPS។ |
| Traditional Otsu's threshold algorithm ក្បួនដោះស្រាយ Otsu ប្រពៃណី |
ងាយស្រួលក្នុងការគណនា និងជាវិធីសាស្ត្រស្តង់ដារប្រើប្រាស់ជាទូទៅសម្រាប់ការបែងចែករូបភាព (Image segmentation)។ | តែងតែមានកំហុសក្នុងការបែងចែករូបភាព នៅពេលរូបភាពមានភាពព្រិលខុសប្រក្រតី (noisy) រូបភាពមានកម្រិតពណ៌ (contrast) ទាប និងមិនមានស្ថិរភាពចំពោះកម្ដៅផ្លាស់ប្តូរ។ | សម្រេចបានភាពសុក្រឹត (Precision) ត្រឹមតែ ៩៦,៣១% និងពិន្ទុ F1-Score ៩៤,៦៨% តែប៉ុណ្ណោះ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការដាក់ពង្រាយប្រព័ន្ធនេះទាមទារឧបករណ៍ថតរូបភាពកម្ដៅ (Thermal Camera) និងឧបករណ៍កុំព្យូទ័រខ្នាតតូច (Edge computing) ដែលមានសមត្ថភាពដំណើរការក្បួនដោះស្រាយបានលឿន។
ការសិក្សានេះពឹងផ្អែកលើទិន្នន័យរូបភាពកម្ដៅចំនួន ៣០០ សន្លឹក និងសំណុំទិន្នន័យ Doutorado ពីស្ថានីយអគ្គិសនី។ ទោះជាយ៉ាងណាក៏ដោយ លក្ខខណ្ឌកម្ដៅ និងអាកាសធាតុនៅក្នុងសំណុំទិន្នន័យនេះ អាចមិនឆ្លុះបញ្ចាំងពេញលេញពីអាកាសធាតុក្តៅស្អុះស្អាប់ និងសំណើមខ្ពស់ពេញមួយឆ្នាំនៅប្រទេសកម្ពុជានោះទេ ដែលទាមទារឲ្យមានការប្រមូលទិន្នន័យក្នុងស្រុកបន្ថែម។
ប្រព័ន្ធរកកំហុសតាមរយៈកម្ដៅនេះ មានសក្តានុពល និងអត្ថប្រយោជន៍ខ្ពស់ណាស់ក្នុងការជួយពង្រឹងស្ថិរភាពបណ្តាញអគ្គិសនី និងការពាអគ្គិភ័យនៅប្រទេសកម្ពុជា។
ជារួម បច្ចេកវិទ្យានេះផ្តល់នូវដំណោះស្រាយថែទាំបែបព្យាករណ៍ (Predictive Maintenance) ដែលមានសុវត្ថិភាព មិនប៉ះផ្ទាល់សៀគ្វី និងចំណាយថវិកាតិចក្នុងការការពារហេដ្ឋារចនាសម្ព័ន្ធអគ្គិសនី។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Infrared Thermography (ទែម៉ូក្រាហ្វីអ៊ីនហ្វ្រារ៉េដ ឬ ការថតរូបភាពកម្ដៅ) | បច្ចេកវិទ្យាដែលប្រើប្រាស់កាមេរ៉ាពិសេសដើម្បីចាប់យករលកកម្ដៅ (អ៊ីនហ្វ្រារ៉េដ) ដែលបញ្ចេញដោយវត្ថុ ហើយបំប្លែងវាទៅជារូបភាពដែលអាចមើលឃើញពីសីតុណ្ហភាពខុសៗគ្នានៃឧបករណ៍ដោយមិនចាំបាច់មានការប៉ះផ្ទាល់។ | ដូចជាការពាក់វ៉ែនតាវេទមន្តដែលអាចមើលឃើញកម្ដៅរបស់មនុស្សឬវត្ថុក្នុងទីងងឹត ដោយកន្លែងក្តៅមានពណ៌ក្រហម និងកន្លែងត្រជាក់មានពណ៌ខៀវ។ |
| Optimal Threshold Segmentation (ការកំណត់ទីតាំងដោយកម្រិតពន្លឺប្រសើរបំផុត) | ជាក្បួនគណិតវិទ្យាដែលបង្កើតឡើងដើម្បីកាត់ផ្តាច់រូបភាពដោយស្វ័យប្រវត្តិ ដោយបំបែកវត្ថុសំខាន់ៗ (ដូចជាចំណុចកម្ដៅខុសប្រក្រតី) ចេញពីផ្ទៃខាងក្រោយ តាមរយៈការរកចំណុចកាត់ (Threshold) ដែលមានភាពត្រឹមត្រូវបំផុត ដើម្បីកាត់បន្ថយការចាប់ទីតាំងខុស។ | ដូចជាការប្រើម៉ាស៊ីនរែងគ្រាប់ខ្សាច់ និងគ្រាប់ក្រួស ដែលម៉ាស៊ីននេះចេះកំណត់ទំហំរន្ធរែងដោយស្វ័យប្រវត្តិ ដើម្បីបំបែករបស់ទាំងពីរចេញពីគ្នាយ៉ាងសុក្រឹត។ |
| Otsu's threshold algorithm (ក្បួនដោះស្រាយកម្រិតពន្លឺរបស់ Otsu) | ជាវិធីសាស្ត្រគណនាជាមូលដ្ឋានក្នុងការប្រែក្លាយរូបភាពប្រផេះ (Grayscale) ទៅជារូបភាពស-ខ្មៅ (Binary) ដោយស្វែងរកកម្រិតពន្លឺដែលធ្វើឲ្យភីកសែលទាំងពីរក្រុម (រូបវត្ថុ និង ផ្ទៃខាងក្រោយ) មានភាពខុសគ្នាច្រើនបំផុត។ | ដូចជាការបែងចែកសិស្សក្នុងថ្នាក់ជាពីរក្រុមតាមកម្ពស់ ដោយរកមើលកម្ពស់កណ្តាលណាមួយដែលធ្វើឲ្យក្រុមអ្នកខ្ពស់ និងក្រុមអ្នកទាបដាច់ពីគ្នាច្បាស់បំផុត។ |
| Spatial-temporal modeling (ការធ្វើគំរូលំហ-ពេលវេលា) | ការវិភាគទិន្នន័យដោយរួមបញ្ចូលគ្នានូវកត្តាទីតាំង (Spatial - តើមានអ្វីកើតឡើងនៅត្រង់ណា?) និងកត្តាពេលវេលា (Temporal - តើវាប្រែប្រួលយ៉ាងណាតាមបណ្តោយពេលវេលា?) ដើម្បីរកមើលលំនាំនៃបំរែបំរួលកម្ដៅ។ | ដូចជាការតាមដានចលនារបស់ព្យុះ ដោយមើលទាំងទីតាំងដែលវាស្ថិតនៅ (លំហ) និងល្បឿនដែលវាផ្លាស់ទីពីមួយថ្ងៃទៅមួយថ្ងៃ (ពេលវេលា) ជំនួសឱ្យការមើលតែរូបថតមួយសន្លឹក។ |
| Edge computing (ការគណនាផ្ទាល់លើឧបករណ៍) | ជាការដំណើរការទិន្នន័យនៅនឹងកន្លែង (លើឧបករណ៍កុំព្យូទ័រតូចៗ ឬកាមេរ៉ាផ្ទាល់) ជំនួសឱ្យការបញ្ជូនទិន្នន័យទាំងអស់ទៅកាន់ម៉ាស៊ីនមេ (Cloud server) ឆ្ងាយៗ ដែលជួយកាត់បន្ថយភាពយឺតយ៉ាវ និងសន្សំសំចៃកម្រិតបញ្ជូនអ៊ីនធឺណិត។ | ដូចជាការដោះស្រាយលំហាត់គណិតវិទ្យាដោយប្រើម៉ាស៊ីនគិតលេខនៅក្នុងដៃផ្ទាល់ ជំនួសឱ្យការផ្ញើលំហាត់នោះតាមសំបុត្រទៅសួរគ្រូនៅឯសាលាឆ្ងាយ។ |
| Joule heating (កម្ដៅស៊ូល ឬ ការកើនកម្ដៅដោយសារចរន្តអគ្គិសនី) | ជាបាតុភូតរូបវិទ្យាដែលថាមពលអគ្គិសនីត្រូវបំប្លែងទៅជាថាមពលកម្ដៅ នៅពេលដែលចរន្តអគ្គិសនីរត់ឆ្លងកាត់ខ្សែចម្លង ឬឧបករណ៍ដែលមានរេស៊ីស្តង់ (Resistance) រាំងស្ទះចរន្ត។ | ដូចជាការរត់កាត់ហ្វូងមនុស្សកកកុញ កាលណាអ្នករត់លឿន (ចរន្ត) ហើយមនុស្សរាំងស្ទះច្រើន (រេស៊ីស្តង់) នោះវានឹងធ្វើឱ្យមានការកកិតបញ្ចេញកម្ដៅ។ |
| False Positive - FP (ការវិភាគវិជ្ជមានមិនពិត ឬ ការចាប់យកខុស) | ជាកំហុសរបស់ប្រព័ន្ធវិភាគ នៅពេលដែលម៉ូដែលទស្សន៍ទាយថាមានបញ្ហា ឬកំហុសអគ្គិសនី ប៉ុន្តែតាមការពិតវាជាលក្ខខណ្ឌធម្មតា ឬការជះពន្លឺពីមជ្ឈដ្ឋានខាងក្រៅប៉ុណ្ណោះ។ | ដូចជាសត្វឆ្កែយាមផ្ទះព្រុសខ្លាំងៗស្មានថាមានចោរចូល តែតាមពិតគ្រាន់តែជាខ្យល់បក់ប៉ះមែកឈើទម្លាក់ស្លឹក។ |
| Over-segmentation (ការកាត់ផ្តាច់រូបភាពតូចៗហួសកម្រិត) | ជាបញ្ហាក្នុងដំណើរការរូបភាព (Image Processing) ដែលក្បួនដោះស្រាយបានបំបែករូបភាពមួយទៅជាផ្នែកតូចៗច្រើនពេក ដែលធ្វើឲ្យវត្ថុតែមួយត្រូវបានបំបែកជាបំណែកៗមិនច្បាស់លាស់ ដោយសារមានកម្រិតរំខាន (Noise) ខ្ពស់។ | ដូចជាការកាត់នំខេកមួយដុំ ដែលតាមពិតវាមានតែមួយស្រទាប់ តែយើងច្រឡំកាត់វាទៅជាបំណែកល្អិតៗខ្ទេចខ្ទីអស់ដោយសារកាំបិតមុតពេក។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
