Thai University RankingsRESEARCH RADAR

Deep and machine learning in plant variety classification: A systematic global review of image processing approaches

Deep and machine learning in plant variety classification: A systematic global review of image processing approaches

การทบทวนตาม PRISMA รวม 83 การศึกษาช่วงปี 2558–2568 พบว่า convolutional neural networks เป็นวิธีหลักและโดยทั่วไปให้ความแม่นยำสูง ขณะที่การผสานแมชชีนเลิร์นนิงแบบดั้งเดิม การหาค่าที่เหมาะสม และคุณลักษณะที่ออกแบบด้วยมือช่วยเพิ่มความทนทาน ภาพส่วนใหญ่มาจากฐานข้อมูลสาธารณะหรือสมาร์ตโฟน และธัญพืชเป็นกลุ่มที่ศึกษามากที่สุด แม้ผลในชุดข้อมูลมักดี การนำไปใช้จริงยังต้องรับมือความต่างของแสง ฉากหลัง ระยะเจริญ พื้นที่ และความโปร่งใสของการแบ่งชุดข้อมูล

01

ข้อค้นพบสำคัญ

    02

    ทำไมจึงมีความสำคัญระดับโลก

    ผลงานเพิ่มองค์ความรู้ในสาขาและเปิดทางให้ตรวจสอบหรือต่อยอดในบริบทอื่น การตีความผลกระทบควรยึดขอบเขตและหลักฐานของงานต้นฉบับเป็นหลัก ระบบให้สัญญาณผลกระทบ 76 จาก 100 ซึ่งใช้เพื่อจัดลำดับการนำเสนอ ไม่ใช่คะแนนคุณภาพวารสารหรือการจัดอันดับนักวิจัย

    03

    บทบาทของนักวิจัยไทย

    การเชื่อมโยงกับประเทศไทยปรากฏผ่านผู้เขียนหรือสังกัด ได้แก่ Asian Institute of Technology

    04

    ข้อจำกัดที่ควรรู้

    บทวิเคราะห์นี้อาศัยข้อมูลบรรณานุกรม บทคัดย่อ และแหล่งต้นทางที่เข้าถึงได้ ไม่ได้แทนการอ่านบทความฉบับเต็ม และไม่ควรอนุมานเหตุเป็นผลหรือการใช้จริงเกินกว่าที่ผู้วิจัยรายงาน

    05

    ตรวจสอบแหล่งต้นทาง

    Canadian Journal of Remote Sensing

    DOI: 10.1080/07038992.2026.2694144

    KEEP EXPLORING

    งานวิจัยไทยที่น่าติดตามต่อ