ระบบตรวจจับและแจ้งเตือนอุบัติเหตุโดยใช้เทคนิคการเรียนรู้เชิงลึก

Abstract

The objective of this study was to develop an accident detection and notification system for road accidents related to vulnerable groups on the road, such as motorcyclists. In Thailand, over 80% of fatalities are caused by road accidents. Using YOLOv5 to develop an accident detection system, objects in the image can be detected, whether it is a person or a motorcycle that has been involved in an accident or not. Comparison of accident detection results obtained with different YOLOv5 models to select the most suitable model. Then, a notification system was developed in Python along with LINE Notify API to create a system capable of sending images and notifications about road accidents to groups of people through Line application. The results show that YOLOv5x has the best performance in accident detection with 93.21% compared to the results of other models. Moreover, the developed system can send message to notify road accident with 100% success. This research can be an alternative to developing an intelligent road accident notification system that can help rescue workers, police officers, or other parties quickly receive information and evaluate the situation based on received images or messages to prepare both rescue team and necessary equipment to provide immediate assistance to accident victims.

งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาระบบตรวจจับและแจ้งเตือนอุบัติเหตุทางถนนที่เกี่ยวข้องกับกลุ่มเปราะบางบนถนน ได้แก่ ผู้ใช้รถจักรยานยนต์ ซึ่งในประเทศไทยมีสถิติการเสียชีวิตเกินกว่าร้อยละ 80 ของจำนวนผู้เสียชีวิตจากอุบัติเหตุทางถนนทั้งหมด โดยใช้ YOLOv5 ในการพัฒนาระบบให้สามารถตรวจสอบวัตถุในภาพว่าเป็นบุคคลหรือรถจักรยานยนต์ที่เกิดอุบัติเหตุหรือไม่ แล้วเปรียบเทียบผลการตรวจจับอุบัติเหตุที่ได้จาก YOLOv5 โมเดลต่าง ๆ เพื่อเลือกใช้โมเดลที่เหมาะสมที่สุด จากนั้นทำการพัฒนาระบบแจ้งเตือนอุบัติเหตุด้วยภาษา Python ร่วมกับ LINE Notify API (Line Notify Application Programming Interface) เพื่อให้ระบบมีความสามารถในการส่งรูปภาพและข้อความแจ้งเตือนการเกิดอุบัติเหตุไปยังกลุ่มบุคคลผ่านแอปพลิเคชัน Line ได้ ผลการวิจัยพบว่า YOLOv5x มีความสามารถในการตรวจจับอุบัติเหตุร้อยละ 93.21 ซึ่งดีที่สุดเมื่อเทียบกับผลที่ได้จากโมเดลอื่น และระบบที่พัฒนาขึ้นสามารถส่งรูปภาพพร้อมข้อความสั้นที่ระบุจำนวนรถจักรยานยนต์และจำนวนบุคคลที่ประสบอุบัติเหตุได้สำเร็จร้อยละ 100 งานวิจัยนี้จึงอาจเป็นอีกหนึ่งแนวทางในการพัฒนาระบบแจ้งเตือนอุบัติเหตุทางถนนอัจฉริยะ ที่ช่วยให้เจ้าหน้าที่กู้ภัย เจ้าหน้าที่ตำรวจ หรือผู้เกี่ยวข้อง ได้รับข้อมูลการเกิดอุบัติเหตุทางถนนอย่างรวดเร็ว และสามารถประเมินสถานการณ์จากรูปภาพหรือข้อความที่ได้รับ เพื่อเตรียมความพร้อมทั้งด้านทีมช่วยเหลือและอุปกรณ์เครื่องมือต่าง ๆ ที่จำเป็นเพิ่มเติม ทำให้สามารถช่วยเหลือผู้ประสบอุบัติเหตุได้อย่างทันท่วงที