Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/84429
Title: Bolt classification system for motorcycle retail shop
Other Titles: ระบบการจำแนกสลักเกลียวสําหรับร้านค้าปลีกจักรยานยนต์
Authors: Monchai Angkapiyasiri
Advisors: Suphakant Phimoltares
Other author: Chulalongkorn University. Faculty of Science
Issue Date: 2023
Publisher: Chulalongkorn University
Abstract: The COVID-19 situation in Thailand has led to a rise in online purchase orders, resulting in a higher demand for using motorcycles for shipment, which has also increased the demand for essential components, notably durable and aesthetically pleasing bolts. To enrich their business opportunities, bolts of 19 classes are gathered from a motorcycle shop to establish a systematic bolt classification procedure containing feature extraction stage and classification stage. A feature extraction is formulated from utilization of steps, which are background removal, contour extraction, image rotation, cropping, structural analysis, dominant color analysis, hole detection, and calculating head-to-whole length ratio. Subsequently, five classification models, comprising multi-layer perceptron, random forest, decision tree, support vector machine, and logistic regression, are employed to identify the appropriate class for each bolt. The results indicate that the multi-layer perceptron stands out as the most effective classification model with the proposed features.
Other Abstract: สถานการณ์โควิด-19 ในประเทศไทยนำไปสู่การเพิ่มขึ้นของคำสั่งซื้อออนไลน์ ส่งผลให้ความต้องการใช้รถจักรยานยนต์สำหรับการส่งสินค้าเพิ่มมากขึ้น ซึ่งเพิ่มความต้องการสำหรับส่วนประกอบที่จำเป็นด้วย โดยเฉพาะอย่างยิ่งสลักเกลียวที่ทนทานและสวยงาม เพื่อเพิ่มโอกาสทางธุรกิจสลักเกลียว 19 ประเภทถูกรวบรวมจากร้านค้ารถจักรยานยนต์เพื่อสร้างกระบวนงานการจำแนกประเภทสลักเกลียวอย่างเป็นระบบที่ประกอบด้วยระยะการสกัดลักษณะและระยะการจำแนกประเภท การสกัดลักษณะกำหนดขึ้นจากการใช้หลายขั้นตอนได้แก่ การลบพื้นหลัง การสกัดเส้นรอบขอบ การหมุนภาพ การตัดส่วนภาพ การวิเคราะห์เชิงโครงสร้าง การวิเคราะห์สีเด่น การตรวจหารู และการคำนวณอัตราส่วนความยาวหัวต่อทั้งหมด ต่อจากนั้นตัวแบบการจำแนกประเภทห้าแบบ ซึ่งประกอบด้วยเพอร์เซปตรอนแบบหลายชั้น ป่าสุ่ม ต้นไม้ตัดสินใจ ซัปพอร์ตเวกเตอร์แมชชีน และการถดถอยลอจิสติกถูกนำมาใช้เพื่อระบุประเภทที่เหมาะสมสำหรับสลักเกลียวแต่ละตัว ผลบ่งชี้ว่าเพอร์เซปตรอนแบบหลายชั้นมีความโดดเด่นในฐานะตัวแบบการจำแนกประเภทที่มีประสิทธิภาพมากที่สุดต่อลักษณะที่เสนอ
Description: Thesis (M.Sc.)--Chulalongkorn University, 2023
Degree Name: Master of Science
Degree Level: Master's Degree
Degree Discipline: Computer Science and Information Technology
URI: https://cuir.car.chula.ac.th/handle/123456789/84429
Type: Thesis
Appears in Collections:Sci - Theses

Files in This Item:
File Description SizeFormat 
6278508423.pdf1.38 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.