การพัฒนาเว็บแอปพลิเคชันจำแนกประเภทสัตว์เลี้ยงด้วยการเรียนรู้ของเครื่องร่วมกับระบบหาผู้รับเลี้ยงให้สัตว์เลี้ยงบนแผนที่ภูมิศาสตร์

Artidtaya Pannin; Paisan Simalaotao; Ubonrat Sirisukpoca

Authors

Artidtaya Pannin Faculty of Science and Technology, Nakhon Pathom Rajabhat University
Paisan Simalaotao Faculty of Science and Technology, Nakhon Pathom Rajabhat University
Ubonrat Sirisukpoca Faculty of Science and Technology, Nakhon Pathom Rajabhat University

Keywords:

Machine Learning, Artificial Intelligence, Geographic Information System, Pets, Web Application

Abstract

This research aims to (1) analyse, design, and develop a web application for classifying pets using machine learning, in conjunction with a geographic system for finding pet adopters, and (2) evaluate the effectiveness of the pet classification system using machine learning alongside the geographic pet adoption system. The data used in the experiments includes pet information and adoption data. The research tools comprise a web application for classifying pets using machine learning, developed with PHP, HTML, CSS, Bootstrap 3, and Bootstrap 4, connected to a MySQL database. The machine learning component is based on neural network concepts, achieving an accuracy of 93.50%. The research follows the Software Development Life Cycle (SDLC) methodology and includes an evaluation of the application's performance. The findings indicate that (1) the web application for classifying pets using machine learning, along with the geographic pet adoption system developed, meets its objectives. Users can post requests for homes for pets, specify the current location of pets seeking adopters, and use artificial intelligence technology to classify pets based on images. Additionally, (2) the evaluation of the effectiveness of the web application by five experts resulted in a very high average score of 4.88 with a reliability coefficient of 0.18.

References

จันทนา ปัญญาวราภรณ์ และปรเมศวร์ ห่อแก้ว. (2562). การศึกษาวิธีจำแนกภาพ PET เพื่อการวินิจฉัยโรคอัลไซเมอร์เบื้องต้น. วารสารวิชาการวิศวกรรมศาสตร์ ม.อบ., 12(1), 93-105.

จิโกโล. (2566, 10 ธันวาคม). AI ผสานเทรนด์สัตว์เลี้ยงก่อเกิดเทคโนโลยีที่ช่วยห้ามไม่ให้แมวนำเหยื่อกลับบ้าน. Marketing Oops.https://www.marketingoops.com/tech-2/ai-invention-keeps-unwanted-critters-from-getting-inside-your-home

นัทชา หาญจิตต์ และหรรษธร นรินทร์รัมย์. (2565). ระบบค้นหาสุนัขด้วยการเรียนรู้เชิงลึก. [ปริญญานิพนธ์บัณฑิต ไม่ได้ตีพิมพ์]. มหาวิทยาลัยมหาสารคาม.

ปวริศ ทับทิมเขียว, อุบลรัตน์ ศิริสุขโภคา และไพศาล สิมาเลาเต่า. (2565). การพัฒนาระบบสารสนเทศอัจฉริยะเพื่อคัดกรองการสวมหน้ากากอนามัยโดยการตรวจจับใบหน้าด้วยการเรียนรู้ของเครื่องร่วมกับอินเทอร์เน็ตของสรรพสิ่ง. ใน วิจัยสร้าง Innovation and Technology เพื่อรองรับสังคมไทยสู่ยุค Digital World. การประชุมวิชาการระดับชาติ ครั้งที่ 14 (น. 819-829). สถาบันวิจัยและพัฒนา มหาวิทยาลัยราชภัฏนครปฐม.

ภูษณิศา มีนาเขตร, สิริทรัพย์ สีหะวงษ์, อังศวีร์ จันทะโคตร และณัฐสุดา คติชอบ. (2562). การประเมินคุณภาพของการประยุกต์ใช้ Google My Maps ในการเยี่ยมบ้านของนักศึกษาพยาบาล คณะพยาบาลศาสตร์ มหาวิทยาลัยอุบลราชธานี. วารสารพยาบาลกระทรวงสาธารณสุข, 29(2), 51-63.

สุรพงษ์ กนกทิพย์สถาพร. (2566, 30 เมษายน). Prompt Engineering คืออะไร. BUA labs. https://www.bualabs.com/archives/4483/what-is-prompt-engineering/#more-4483 /

สุระเจตน์ อ่อนฤทธิ์ และเอกรินทร์ วทัญญูเลิศสกุล (2565). แอปพลิเคชันตามหาสัตว์เลี้ยงหายด้วยโครงข่ายประสาทเทียมแบบคอนโวลูชัน. วารสารวิศวกรรมศาสตร์และนวัตกรรม, 15(4), 75-87.

Antony, B. (2021). A study on usage of Google Maps by travellers in Madurai city. International Journal of Innovation and Research in Educational Sciences, 8(1), 75-88.

Aqraldo, B. W., Jessen, Sentoman, Y., Markos, D., & Warnars, H. L. H. S. (2021). Detepet mobile application for pet tracking. In Proceedings of the 2021 International Conference on Emerging Smart Computing and Informatics (pp. 48-52). IEEE Xplore. https://doi.org/10.1109/ESCI50559.2021.9397028

Campanilla, B. S., Etcuban, J. O., Maghanoy, A. P., Nacua, P. A. P., & Galamiton, N. S. (2022). Pet adoption app to free animal shelters. Journal of Positive School Psychology, 6(8), 5993-6006.

Dandil, E., & Polattimur, R. (2018). PCA-based animal classification system. In Proceedings of the 2018 2nd International Symposium on Multidisciplinary Studies and Innovative Technologies (pp. 1-5). IEEE Xplore. https://doi.org/10.1109/ISMSIT.2018.8567256

Junior, R. L. (2020). IoT applications for monitoring companion animals: A systematic literature review. In Proceedings of the 2020 14th International Conference on Innovations in Information Technology (pp. 239-246). IEEE Xplore. https://doi.org/10.1109/IIT50501.2020.9299045

Lu, Y., Yi, S., Zeng, N., Liu, Y., & Zhang, Y. (2017). Identification of rice diseases using deep convolutional neural networks. Neurocomputing, 267, 378–384. https://doi.org/10.1016/j.neucom.2017.06.023

Sladojevic, S., Arsenovic, M., Anderla, A., Culibrk, D., & Stefanovic, D. (2016). Deep neural networks based recognition of plant diseases by leaf image classification. Computational Intelligence and Neuroscience, (2016)1, Article 3289801. https://doi.org/10.1155/2016/3289801

Tangsripairoj, S., Kittirattanaviwat, P., Koophiran, K., & Raksaithong, L. (2018) Bokk Meow: A mobile application for finding and tracking pets. In Proceedings of the 2018 15th International Joint Conference on Computer Science and Software Engineering (pp. 1-6). IEEE Xplore. https://doi.org/10.1109/JCSSE.2018.8457351