โดย ผศ.ดร.กิตติพงษ์ ลาลุน
คณะวิศวกรรมศาสตร์ มหาวิทยาลัยขอนแก่น
การควบคุมคุณภาพข้าวของประเทศไทยมีขึ้นครั้งแรกเมื่อปี พ.ศ. 2500 หลังจากนั้นได้มีการแก้ไขปรับปรุงเรื่อยมาจนถึงปัจจุบัน (สมาคมผู้ส่งออกข้าวไทย, 2561) คุณภาพของข้าวที่ประเทศไทยส่งออกสามารถจำแนกได้ 3 ระดับตามชั้นคุณภาพ ได้แก่ ข้าวคุณภาพสูง เป็นข้าวที่มีคุณภาพดีที่สุด มีลักษณะเป็นข้าวขาว 100 เปอร์เซ็นต์ และข้าวขาว 5 เปอร์เซ็นต์ ข้าวคุณภาพปานกลาง คือ มีลักษณะเป็นข้าวขาว 10-15 เปอร์เซ็นต์ และข้าวคุณภาพต่ำ คือ มีลักษณะเป็นข้าวขาว 25 เปอร์เซ็นต์ขึ้นไป (สุชาติ และคณะ, 2559) (กระทรวงพาณิชย์, 2559) ปริมาณข้าวเต็มเมล็ดหรือข้าวต้นและข้าวหักจึงเป็นตัวบ่งชี้ที่สำคัญ ซึ่งบอกถึงคุณภาพและมูลค่าของข้าวสารได้เป็นอย่างดี การประเมินลักษณะของข้าวเต็มเมล็ดและข้าวต้น พิจารณาจากขนาดความยาวของเมล็ดข้าวที่ต้องมีความยาวตั้งแต่ 8 ส่วนขึ้นไป หรือ มีความยาวของเมล็ดข้าวสารมากกว่าหรือเท่ากับร้อยละ 80 ของความยาวข้าวเต็มเมล็ดที่ไม่มีส่วนใดแตกหัก (กรมวิชาการเกษตร, 2547) ส่วนวิธีการหาปริมาณข้าวเต็มเมล็ดและข้าวต้น ปัจจุบันใช้เครื่องมือคัดแยกขนาดเมล็ดข้าวแบบตะแกรงหลุมกลมในการตรวจสอบ
เครื่องคัดขนาดเมล็ดข้าวแบบตะแกรงหลุมกลมเป็นเครื่องแยกเมล็ดข้าวสารที่หักออกจากข้าวเต็มเมล็ดและต้นข้าวโดยใช้ความยาวของเมล็ดข้าวเป็นเกณฑ์คัดแยก (Buus, 2013; Kim and Park, 2013) จากการศึกษาเครื่องคัดแยกข้าวหักแบบตะแกรงหลุมกลมของ (Lee et al., 2009) ที่ทำการทดสอบคัดแยกข้าวหักออกจากข้าวเต็มเมล็ด โดยใช้ข้าวที่ปลูกในประเทศเกาหลีจำนวน 41 พันธุ์ ผลจากการศึกษาพบว่า พันธุ์ข้าว มุมของถาดรับข้าวหัก และขนาดของรูตะแกรง มีผลต่อประสิทธิภาพและความแม่นยำของเครื่อง สอดคล้องกับผลการศึกษาของ Aghayeghazvini et al. (2009) ที่พบว่า การทำงานของเครื่องคัดแยกข้าวหักแบบตะแกรงหลุมกลม ข้าวเต็มเมล็ดและข้าวหักจะเกิดการซ้อนทับกันระหว่างคัดแยก ทำให้ไม่สามารถแยกข้าวทั้งสองชนิดออกจากกันได้ทั้งหมด ดังนั้นการคัดแยกข้าวหักจำเป็นต้องปรับขนาดหลุมตะแกรงและมุมเอียงของถาดรับข้าวหักให้เหมาะสมกับพันธุ์ข้าวแต่ละพันธุ์ซึ่งมีขนาดเมล็ดแตกต่างกัน
การใช้วิธีการประมวลผลภาพ สามารถประเมินปริมาณเมล็ดข้าวแตกหักได้แม่นยำกว่าการใช้เครื่องคัดแยกข้าวหักแบบตะแกรงหลุมกลม ข้อมูลดังกล่าวนี้สอดคล้องกับผลการศึกษาของ Yadav and Jindal (2001) ซึ่งได้ทดสอบหาปริมาณข้าวต้น (Head rice yield, HRY) ด้วยการวิเคราะห์ภาพถ่าย โดยพิจารณาจากอัตราส่วนมิติของภาพเมล็ดข้าว (Characteristic dimension ratio, CDR) ซึ่งประกอบด้วย ความยาว เส้นรอบวง และพื้นที่ฉายภาพของเมล็ดข้าวหักและเมล็ดข้าวต้น การพัฒนาระบบหรือเทคนิคประมวลมวลผลภาพที่เกี่ยวข้องกับการตรวจสอบคุณสมบัติหรือคุณภาพข้าวนั้นมีการศึกษากันอย่างกว้างขวาง แต่ส่วนใหญ่มุ่งเน้นเพื่อพัฒนาโปรแกรมสำหรับจำแนกลักษณะเมล็ดข้าวต่างลักษณะออกจากกัน ส่วนเครื่องมือหรืออุปกรณ์ที่ใช้ในการศึกษาล้วนเป็นเพียงอุปกรณ์ที่ประกอบขึ้นเพื่อใช้ในการทดสอบในระดับห้องปฏิบัติการซึ่งมีขนาดใหญ่ เครื่องมือที่จะสามารถต่อยอดไปใช้งานจริงในภาคสนามนั้นยังมีค่อนข้างน้อย ดังนั้นงานวิจัยนี้จึงมุ่งเน้นเพื่อพัฒนาต้นแบบเครื่องมือประเมินคุณภาพเมล็ดข้าวสารที่ใช้หลักการประมวลผลด้วยภาพที่มีขนาดเล็ก เคลื่อนย้ายสะดวก ซึ่งจะเป็นประโยชน์ต่อการนำไปใช้ทดสอบต่อยอดการทำงานจริงในภาคสนามได้
โดยแบ่งการดำเนินงานเป็น 2 ขั้นตอนหลัก ประกอบไปด้วย 1) ออกแบบและสร้างเครื่องประเมินคุณภาพเมล็ดข้าวสารจากการกระบวนการสีข้าวด้วยเทคนิคประมวลผลภาพให้มีขนาดเล็ก เคลื่อนย้ายได้ง่าย เหมาะสมกับการใช้งานภาคสนาม (ภาพที่ 1) และ 2) พัฒนาฟังก์ชันโปรแกรมประมวลผลภาพให้สามารถประเมินการแตกหักของเมล็ดข้าวสารหลังการกะเทาะเปลือกและขัดสี ดังรายละเอียดขั้นตอนการศึกษาต่อไปนี้
ทำการสุ่มตัวอย่างข้าวเปลือกพันธุ์ขาวดอกมะลิ 105 ที่ความชื้น 10.4-15.2 เปอร์เซ็นต์ฐานเปียก มาผ่านกระบวนการกะเทาะเปลือกและขัดสี เพื่อเตรียมตัวอย่างข้าวสารสำหรับการถ่ายภาพ โดยทดสอบหาปริมาณตัวอย่างข้าวสารที่เหมาะสมในการถ่ายภาพจำนวน 6 ระดับ ได้แก่ 5, 10, 15, 20, 25 และ 30 กรัม แล้วจึงจำแนกเมล็ดข้าวที่มีขนาดแตกต่างกันในภาพถ่าย โดยการใช้คำสั่งของ Python เนื่องจาก Python นั้นมีฟังก์ชันและความสามารถในการวิเคราะห์ภาพถ่าย รวมถึงมีความสำเร็จรูปและประมวลผลได้อย่างรวดเร็ว โดยลำดับของขั้นตอนในการประมวลผลภาพนั้น มีลำดับในการประมวลผล ได้แก่ 1) การแปลงภาพถ่ายเป็นภาพขาวดำ (Gray scale) 2) การตรวจจับขอบของวัตถุในภาพถ่าย (Trim object) 3) การเขียนเส้นขอบ (Contour) 4) การคำนวณพื้นที่ในเส้นขอบและวัดขนาดแกน 5) การสร้างกรอบระบุวัตถุ (Box) และ 6) การนับจำนวนกรอบวัตถุ (Box) และคำนวณข้อมูลออกมาเป็นเปอร์เซ็นต์ ถือเป็นอันเสร็จสิ้นกระบวนการประมวลผลภาพ ได้ผลการวิเคราะห์ ดังภาพที่ 2
จากการทดสอบหาปริมาณตัวอย่างที่เหมาะสมสำหรับเครื่องต้นแบบฯ พบว่า ปริมาณของข้าวสาร ส่งผลต่อจำนวนเมล็ดข้าวในภาพถ่าย เมื่อมีปริมาณมากในขนาดพื้นที่ที่มีจำกัดทำให้เกิดการชิดกันและทับซ้อน ทำให้โปรแกรมทำการมองเป็นวัตถุชิ้นเดียวกัน ส่งผลให้ค่าตำแหน่งมีความผิดพลาดสูงขึ้น แนวโน้มความแม่นยำในการคัดแยกแปรผกผันกับปริมาณข้าวสารในภาพถ่าย โดยปริมาณตัวอย่างที่ให้ความแม่นยำสูงที่สุดคือ 5 กรัมต่อครั้ง ซมีความแม่นยำในการคัดแยกเท่ากับ 99.57 เปอร์เซ็นต์ มีค่าความคลาดเคลื่อนในการวัดน้ำหนักเท่ากับ 9.31 เปอร์เซ็นต์ หรือจาก 5.00 กรัม สามารถวัดได้ 5.47 กรัม ใช้เวลาในการวิเคราะห์เฉลี่ยที่ 8 วินาที และมีความแม่นยำในการคัดแยกจากการวิเคราะห์ภาพที่ปริมาณตัวอย่างข้าวสาร 10, 15, 20, 25 และ 30 กรัม เท่ากับ 97.34, 95.62, 91.63, 89.31 และ 77.51 เปอร์เซ็นต์ ตามลำดับ โดยมีแนวทางในการพัฒนาเครื่องต่อไปคือเพิ่มเซนเซอร์ตรวจวัดน้ำหนัก เพื่อให้ได้ค่าอ้างอิงสำหรับการขอรับรองมาตรฐานในการประเมินคุณภาพข้าวในเชิงพาณิชย์ พร้อมทั้งสามารถนำต้นแบบเครื่องประมวลผลภาพไปประยุกต์ใช้กับโครงการวิจัยที่จำเป็นต้องวิเคราะห์ภาพเพื่อจำแนกขนาดได้ต่อไป
บทความนี้ตีพิมพ์ลงใน Postharvest Newsletter ปีที่ 23 ฉบับที่ 2 เมษายน – มิถุนายน 2567
เอกสารอ้างอิง
- กระทรวงพาณิชย์. 2559. ประกาศกระทรวงพาณิชย์ เรื่องมาตรฐานสินค้าข้าว. ราชกิจจานุเบกษา เล่ม 133 ตอนพิเศษ 243 ง วันที่ 21 มีนาคม 2559: 14-19.
- กรมวิชาการเกษตร. 2547. คุณภาพและการตรวจสอบข้าวหอมมะลิไทย.(ออนไลน์). แหล่งที่มา: http://www.ricethailand.go.th/library/document/E-book/brrd4706001.pdf. (10 มีนาคม 2563).
- สมาคมผู้ส่งออกข้าวไทย. 2561. ปริมาณส่งออกข้าวไทย 2558-2561. ข่าวสมาคมผู้ส่งออกข้าวไทยประจำเดือนมีนาคม 8(3).
- สุชาติ แย้มแม่น, ณรงค์ฤทธิ์ พิมพ์คำวงศ์ และโชคชรัตน์ ฤทธิ์เย็น. 2559. การจำแนกเมล็ดข้าวขาวด้วยกระประมวลผลภาพ. วารสารวิชาการและวิจัยมหาวิทยาลัยเทคโนโลยีราชมงคลพระนคร 10(1): 1-14.
- Aghayeghazvini, H., A. Afzal., M. Heidarisoltanabadi., S. Malek and L. Mollabashi. 2009. Determining Percentage of Broken Rice by Using Image Analysis. pp. 1019–1027. In: D. Li and C. Zhao. (eds). Computer and Computing Technologies in Agriculture II, Volume 2. CCTA 2008. IFIP Advances in Information and Communication Technology, vol 294. Springer, Boston, MA.
- Buus, O.T. 2013. Analysis of the Indented Cylinder by the use of Computer Vision. Ph.D. Dissertation. Aarhus University of Denmark. 183 p.
- Lee, C.K., L. Song., J. Yun., J.T. Seo., J.H. Lee., J.E. Kim., J.T. Lee., G.H. Jeong and C.K. Kim. 2009. The optimum operating conditions of indented cylinder length grader to remove broken rice based on varietal characteristics. Korean Journal of Crop Science 54: 366–374.
- Kim, M.H. and S.J. Park. 2013. Analysis of broken rice separation efficiency of a laboratory indented cylinder separator. Journal of Biosystems Engineering 38(2): 95-102.
- Yadav B.K. and V.K. Jindal. 2001. Monitoring milling quality of rice by image analysis. Journal of Computers and Electronics in Agriculture 33(1): 19-33.
