การพัฒนาอัลกอริทึมในการจำแนกสิ่งทอตามชนิดผ้าเพื่อระบบเตารีดอัจฉริยะที่ควบคุมอุณหภูมิอัตโนมัติ

Abstract

Currently, the classification of textiles based on fiber types has become a topic of great interest, particularly in the context of textile waste, which has multidimensional impacts. The main challenge is the need for classification technology that can be integrated with automated systems in the pre-cycling sorting process, without the use of high-spec laboratory spectrometers and the ability to operate on embedded systems with limited processing resources. Furthermore, there is a need to develop intelligent electrical appliances that conserve electricity by setting appropriate ironing temperatures according to the fiber type.Therefore, the researchers propose an algorithm for classifying textiles into three groups based on fiber types: natural fiber group, synthetic fiber group, and blended fiber group. The algorithm utilizes spectral data in the near-infrared range obtained from the NeoSpectra-Micro spectrometer sensor of the textile samples, which have undergone component verification according to the TIS.121-2552 standard. The classification process consists of three main steps: spectrum normalization, extraction of new feature vectors in the frequency domain of representative group signals, and created of a Three Class support vector machine classifier for textile classification.The performance of the proposed algorithm was evaluated through testing using training and testing datasets in three ratios: 60:40, 70:30, and 80:20. The results showed that for all cases, the precision and recall values for all fiber groups were 1.000±0.000, resulting in an overall accuracy of 1.000±0.000. This indicates that the feature extraction method not only reduces the amount of data but also ensures the accuracy of the presented algorithm, regardless of changes in the amount of training data. Furthermore, the classification results can be used as a condition for determining appropriate ironing temperatures.

ปัจจุบันการจำแนกสิ่งทอตามชนิดเส้นใยผ้ากำลังเป็นประเด็นที่ได้รับความสนใจ โดยเฉพาะในด้านขยะสิ่งทอที่ส่งผลกระทบต่อในหลายมิติ ซึ่งปัญหาสำคัญ คือ ความต้องการเทคโนโลยีการจำแนกที่สามารถใช้งานร่วมกับระบบอัตโนมัติในกระบวนการคัดแยกก่อนการรีไซเคิล โดยไม่ใช้เครื่องสเปกโทรมิเตอร์ระดับห้องปฏิบัติการและสามารถทำงานบนสมองกลฝังตัวที่มีทรัพยากรประมวลผลจำกัด รวมถึงต่อยอดพัฒนาเป็นเครื่องใช้ไฟฟ้าอัจฉริยะที่ประหยัดพลังงานไฟฟ้าจากการกำหนดอุณหภูมิรีดให้เหมาะสมตามชนิดของเส้นใยได้ ดังนั้นผู้วิจัยจึงนำเสนออัลกอริทึมการจำแนกสิ่งทอตามชนิดของเส้นใยออกเป็น 3 กลุ่ม คือ กลุ่มผ้าเส้นใยธรรมชาติ กลุ่มผ้าเส้นใยสังเคราะห์ และกลุ่มผ้าเส้นใยผสม โดยใช้ข้อมูลสเปกตรัมย่านใกล้อินฟราเรดจากเซนเซอร์สเปกตรัม NeoSpectra-Micro ของผ้าตัวอย่างที่ผ่านการตรวจสอบส่วนประกอบเส้นใยตามมาตรฐาน มอก.121 เล่ม 26-2552 จำนวน 96 ผืน ผ่าน 3 ขั้นตอนหลัก คือ การนอร์มอลไลซ์สัญญาณ การสกัดเวกเตอร์คุณลักษณะใหม่ในโดเมนความถี่ของสัญญาณตัวแทนกลุ่ม และการสร้างอัลกอริทึมซัพพอร์ตเวกเตอร์แมชชีนแบบ 3 คลาสสำหรับจำแนกสิ่งทอ ผลการทดสอบประสิทธิภาพอัลกอริทึมที่นำเสนอจากชุดข้อมูลสอนและทดสอบใน 3 สัดส่วน คือ กรณี 60:40 กรณี 70:30 และกรณี 80:20 พบว่า ทุกกรณีมีค่าความแม่นยำ (Precision) และค่าความระลึก (Recall) ของทุกคลาสกลุ่มเส้นใยอยู่ที่ 1.000±0.000 ทำให้ค่าความถูกต้องรวมทั้งระบบ (Overall Accuracy) อยู่ที่ 1.000±0.000 แสดงให้เห็นว่าวิธีการสกัดคุณลักษณะใหม่นอกจากช่วยลดจำนวนข้อมูลแล้วยังส่งผลให้อัลกอริทึมที่นำเสนอมีความแม่นยำและไม่ขึ้นอยู่กับจำนวนของข้อมูลของชุดสอนที่เปลี่ยนแปลงไป และนำผลลัพธ์ของการจำแนกไปเป็นเงื่อนไขในการกำหนดอุณหภูมิรีดที่เหมาะสม