การประยุกต์ใช้ปัญญาประดิษฐ์เพื่อถอดปริมาณงานไฟฟ้าในแบบก่อสร้างบ้าน
คำสำคัญ:
ปัญญาประดิษฐ์, ถอดปริมาณงาน, แบบจำลองโครงข่ายประสาทเทียม, ระบบไฟฟ้าบทคัดย่อ
การถอดปริมาณงานระบบไฟฟ้าสำหรับโครงการก่อสร้างบ้านพักอาศัยมักดำเนินการด้วยมือซึ่งมีความเสี่ยงในการเกิดข้อผิดพลาด จึงเกิดแนวคิดในการนำเทคโนโลยีปัญญาประดิษฐ์ (AI) เข้ามาใช้ในการเพิ่มประสิทธิภาพและความแม่นยำในการถอดปริมาณงาน โดยเฉพาะการใช้แบบจำลองที่มีพื้นฐานจาก เครือข่ายประสาทเทียมแบบคอนโวลูชัน (CNN) เช่น Mask R-CNN, YOLOv9, และ U-Net ซึ่งได้รับความนิยมในการตรวจจับและจำแนกวัตถุในภาพต่างๆ งานวิจัยนี้จึงได้ศึกษาเชิงเปรียบเทียบการประยุกต์ใช้แบบจำลองปัญญาประดิษฐ์ 3 แบบได้แก่ Mask R-CNN, YOLOv9 และ U-Net มาใช้ในงานถอดปริมาณพื้นที่ห้องและอุปกรณ์ระบบไฟฟ้า ได้แก่ ดวงไฟ สวิตช์ และเต้ารับไฟฟ้า จากภาพแบบก่อสร้างสถาปัตยกรรม และแบบงานระบบไฟฟ้าของบ้านพักอาศัย โดยทดลองฝึกแบบจำลองด้วยตัวอย่างแบบก่อสร้างจำนวน 100 ถึง 300 แบบก่อสร้าง ปรับเปลี่ยนจำนวนรอบในการฝึก ความละเอียดของภาพ และประเมินความแม่นยำของแบบจำลองในการจำแนกอุปกรณ์ระบบไฟฟ้าและพื้นที่ห้องจากการฝึกด้วยจำนวนรูปภาพ 100 ถึง 300 รูป ผลการศึกษาพบว่า เมื่อฝึกฝนแบบจำลองด้วยรูปภาพจำนวน 300 รูป แบบจำลอง YOLOv9 มีความแม่นยำในการตรวจจับอุปกรณ์ ดวงไฟ สวิตช์ และเต้ารับไฟฟ้า มากที่สุดโดยมีความแม่นยำ 90% ในขณะที่แบบจำลอง U-net มีความแม่นยำในการระบุขอบเขตพื้นที่ห้องได้ดีที่สุดโดยมีค่า IOU เท่ากับ 83% ที่รอบการฝึก (Epochs) 80 รอบและความละเอียดของภาพขนาด 1700x1200 พิกเซลเท่ากัน
ดาวน์โหลด
เผยแพร่แล้ว
ฉบับ
บท
การอนุญาต
ลิขสิทธิ์ (c) 2025 Engineering Institute of Thailand

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับคัดเลือกนำเสนอในการประชุม NCCE ถือเป็นลิขสิทธิ์ของวิศวกรรมสถานแห่งประเทศไทย ในพระบรมราชูปถัมภ์ (วสท.) (Engineering Institute of Thailand)