MorseTech Lab

ฝากติดตามด้วยครับพี่ ๆ ผมเปลี่ยนช่องทางใหม่ จะพยายามรวบรวม computer vision ตั้งแต่ core ไปจนถึง ViT และการนำไปประยุคใช้ครับ

GitHub - morsechimwai/computer-vision-engineer: Code and learning materials for studying and revising core concepts in Computer Vision Code and learning materials for studying and revising core concepts in Computer Vision - morsechimwai/computer-vision-engineer

แจกฟรี !!!
โปรเจกต์ควบคุมไฟ LED ผ่าน Wi-Fi ด้วย ESP32-S3
มาพร้อม Web UI สวยงาม (รองรับ Dark Mode)
และแสดงสถานะผ่านจอ OLED แบบเรียลไทม์
ควบคุมได้ทั้งแบบเปิด/ปิด และปรับสี RGB LED แบบละเอียด
ทำงานผ่าน WebServer ภายในบอร์ด ไม่ต้องใช้ Cloud
- รองรับ WebSocket (ความหน่วงต่ำ)
- Responsive UI ใช้งานผ่านมือถือได้
- เหมาะกับโปรเจกต์ Smart Home / IoT Dashboard
Source Code: https://github.com/morsetechlab/ESP32-Web-Server-LED-Controller
🎬 Demo: https://youtu.be/n1ZsdyztKbw

Control RGB LED with ESP32 Web UI | OLED Status Display + WebSocket + Dark Mode โปรเจกต์นี้เป็นระบบควบคุมหลอดไฟ LED ด้วย Web UI แบบเรียลไทม์โดยทำงานผ่าน ESP32-S3 ที่ทำหน้าที่เป็น Web Serverสามารถเปิด/ปิด ...

ใครเคยประสบปัญหาถ่ายรูปแนวนอนมาแต่อยากใช้เป็นแนวตั้ง แล้วคร็อปรูปยังไงก็ไม่สวยไหมฮะ

เอาตัวอย่างรูปในโพสท์นี้เลยก็ได้ คือถ้าเลือกเก็บคนไว้ก็จะไม่เห็นคลื่น แต่ถ้าเก็บคลื่นไว้ก็จะไม่คน

บทความนี้จะมาสอนให้คุณรู้จักกับวิธีคร็อปรูปขั้นเทพ(?)ด้วยคณิตศาสตร์ ที่จะทำให้คุณเก็บไว้ได้ทั้งคนทั้งคลื่นกันฮะ

https://mathasitis.ghost.io/seam-carving/

สมมติว่าคุณได้รับคำสั่งจากหัวหน้าให้สร้าง Machine Learning ง่าย ๆ ขึ้นมาสักตัวเพื่อมาจำแนกข้อมูลที่มีออกเป็นกลุ่ม ๆ

คุณเริ่มต้นจากการไปเสิร์ชดูว่ามีโมเดลอะไรบ้างที่ทำ classification ได้ แล้วก็เจอว่ามีอยู่ 2 ตัวที่มักจะโผล่ขึ้นมาเป็นชื่อแรก ๆ นั่นคือ Logistic Regression และ Decision Tree
แต่ตัวไหนดีกว่ากันล่ะ?
ลองเสิร์ชต่ออีกนิด มีบทความเขียนเรื่องนี้ไว้เยอะเลย และส่วนใหญ่พูดเป็นเสียงเดียวกันว่า
" โดยทั่วไป Decision Tree นั้นดีกว่า Logistic Regression โดยเฉพาะกับข้อมูลที่ซับซ้อนไม่เป็นเส้นตรง"
แต่คำถามคือ ทำไมถึงเป็นแบบนั้น
ด้วยความที่คุณอ่านเพจคณิตศาสตร์อย่างที่ควรจะเป็นมาบ้าง คุณจึงรู้ว่าเพื่อที่จะตอบคำถามนี้ คุณต้องแงะเข้าไปดูว่ากลไกการทำงานของทั้งสองตัวนั้นเป็นยังไง
อ่านต่อได้ที่: https://mathasitis.ghost.io/dt-vs-lr/
#เรียนคณิตศาสตร์ไว้ใช้

ควบคุมสื่อด้วยมือเปล่าแบบเรียลไทม์
แค่ “ยกมือ” ก็สามารถสั่งให้วิดีโอ เล่น / หยุด / ปรับเสียง ได้ทันที
ไม่ต้องแตะเมาส์ ไม่ต้องใช้รีโมท

-

ระบบนี้ใช้ MediaPipe + OpenCV ตรวจจับท่าทางมือ (Gesture Recognition) บน Python
รองรับ YouTube, Netflix, VLC และระบบ Smart Media อื่น ๆ

-

✅ รองรับ Windows / macOS / Linux
✅ ใช้ได้กับกล้อง We**am ธรรมดา
✅ พร้อมซอร์สโค้ดโอเพนซอร์ส

-

🔗 ชมวิดีโอสาธิต:
https://youtu.be/iWZNPEiHaHI

ดูซอร์สโค้ดและใช้งานได้ฟรีที่ GitHub: https://github.com/morsetechlab/media-gesture-controller-using-mediapipe

GitHub - morsetechlab/media-gesture-controller-using-mediapipe: Real-time hand gesture media controller powered by MediaPipe + OpenCV Real-time hand gesture media controller powered by MediaPipe + OpenCV - morsetechlab/media-gesture-controller-using-mediapipe

🎁 แจกฟรี! ระบบควบคุมโรงเรือนอัจฉริยะสำหรับสายปลูกผักยุค AI
🪴 ใครทำ Smart Farm, ควบคุมอุณหภูมิ, ความชื้น, แสง ด้วย ESP32 หรือ Raspberry Pi ห้ามพลาด
- ใช้ Fuzzy Logic ตัดสินใจแบบนุ่มนวล
- รับค่าเซนเซอร์จริง → ตัดสินใจด้วย AI → สั่งงาน Fan, Mist, LED
- เขียนด้วย Python ใช้ง่าย ผ่าน 🚀 CLI


python fuzzy_greenhouse.py --temp 35 --hum 60 --light 250

```
# results
Fuzzy Control Output:
Fan: 73.2 %
Mist: 51.8 %
LED: 93.6 %
```

📦 เหมาะกับนักเรียนสายช่าง-วิศวะ-เกษตรยุคใหม่ ที่อยากต่อยอดงานวิจัยหรือฟาร์มอัจฉริยะของตัวเอง


🔗 โหลดโค้ดได้ที่ GitHub:
github.com/morsetechlab/fuzzy-greenhouse


❤️ ช่วยกด Star เป็นกำลังใจให้ทีม MorseTech Lab ด้วยนะครับ

#แจกฟรี #เกษตรแม่นยำ ื่อเกษตร

GitHub - morsetechlab/fuzzy-greenhouse: Fuzzy Logic-based smart greenhouse controller for temperature, humidity, and lighting. Built with Python and Scikit-Fuzzy Fuzzy Logic-based smart greenhouse controller for temperature, humidity, and lighting. Built with Python and Scikit-Fuzzy - morsetechlab/fuzzy-greenhouse

✨ แจกฟรี !!! AI ตรวจจับรถเข้า-ออกอัตโนมัติแบบเรียลไทม์
ด้วยเทคนิค Object Detection และ Tracking โดยใช้ YOLOv11 + ByteTrack

-

ระบบนี้สามารถระบุตำแหน่งและนับจำนวนรถที่เคลื่อนผ่านเส้น IN/OUT ได้อย่างแม่นยำภายในบริเวณที่กำหนด (Polygon ROI)

เหมาะสำหรับ:
- ลานจอดรถ
- จุดตรวจทางเข้า-ออก
- การใช้งานกับกล้อง IoT หรือ Edge Devices
- การวิเคราะห์จราจรแบบ One-Way

📽️ ชมวิดีโอสาธิตระบบจริง: https://youtu.be/17F-Efu0Z5M

ดาวน์โหลดโค้ดหรือดูรายละเอียดโปรเจกต์เพิ่มเติม:
🔗 GitHub: https://github.com/morsetechlab/vehicle-entry-exit-counter

ถ้าชื่นชอบโปรเจกต์นี้ อย่าลืมกด Like, กด Share และกด ⭐️ ให้บน GitHub ด้วยนะครับ!
ทุกกำลังใจของคุณช่วยให้เราสร้างสิ่งใหม่ ๆ ได้อย่างต่อเนื่อง 🙌

GitHub - morsetechlab/Vehicle-Entry-Exit-Counter: A real-time vehicle counting system using YOLOv11 and ByteTrack, designed to detect vehicle movement through custom IN/OUT lines inside a defined polygon area—ideal for parking lots and one-way... A real-time vehicle counting system using YOLOv11 and ByteTrack, designed to detect vehicle movement through custom IN/OUT lines inside a defined polygon area—ideal for parking lots and one-way che...

🚗✨ แจกฟรี! Thai License Plate OCR Dataset
ชุดข้อมูล OCR สำหรับภาพป้ายทะเบียนรถยนต์ไทย
เหมาะสำหรับฝึกสอนโมเดลรู้จำข้อความภาษาไทยจากภาพป้ายทะเบียนไทยโดยเฉพาะ
ออกแบบมาให้ใช้งานได้ทันทีกับ PaddleOCR-rec (ไม่มี det/cls) สำหรับใครที่ต้องการจะนำไป Finetune ต่อหรือนำไปเพิ่มใน dataset เดิมของท่าน

📌 ดาวน์โหลดเลยบน Hugging Face:
👉 https://huggingface.co/datasets/morsetechlab/thai-license-plate-ocr

📎 Dataset นี้สร้างจากชุดข้อมูลจริงระดับ character-level
จัดเรียงใหม่ พร้อมตรวจสอบด้วย regex และ mapping รหัสจังหวัด
พร้อมใช้งานในระบบ OCR ภาษาไทย

รวมทั้งหมด 9,020 ข้อมูล โดยแบ่งเป็น Train 6,314 / Val 1,804 / Test 902 (70/20/10)

👤 พัฒนาต่อยอดจากชุดข้อมูลของ billy-h0ini บน Roboflow : https://universe.roboflow.com/billy-h0ini/lpr-plate-fiq65-3r8ep-akpt2-f6x28-1ub8l/dataset/1 แปลงเป็น OCR dataset โดย MorseTech Lab

🧠 สำหรับ pretrained model ที่อ่านข้อความป้ายทะเบียนไทยจากตัวหนังสือจริง ๆ (ไม่ใช่ character level) พบกันเร็ว ๆ นี้! กดติดตามไว้เลยครับ

#เปิดชุดข้อมูล #แจกฟรี

morsetechlab/thai-license-plate-ocr · Datasets at Hugging Face We’re on a journey to advance and democratize artificial intelligence through open source and open science.

หลังจากว่างเว้นจากการเขียนบทความ ผมได้เจียดเวลาระหว่างที่กำลังติดกับโปรเจกต์เล็ก ๆ ซึ่งยังไม่ถนัดนัก โดยเฉพาะเรื่องการเรียกใช้โมเดลผ่าน API

แต่ก็ยังไม่ยอมแพ้ เพราะผมคิดว่านี่อาจเป็น "สะพาน" ที่จะพาผมไปสู่สิ่งที่อยากทำมาตลอด นั่นก็คือการสร้าง Computer Vision Services ที่ไม่ต้องพึ่ง AI Camera แพง ๆ

จะดีแค่ไหน ถ้าแค่คุณมีกล้อง IP หรือ RTSP Stream ธรรมดา
ก็สามารถเชื่อมต่อกับบริการที่ "ตีความภาพ" ได้แบบเรียลไทม์ โดยไม่ต้องลงทุนกับ hardware เพิ่ม มันยังคงเป็นแนวคิดอยู่ แต่เอาไว้... ไว้ค่อยเล่าต่อในตอนหน้าแล้วกันครับ 😅

ช่วงนี้เลยขอสลับมาคลายเครียด ด้วยการ Fine-tune โมเดลที่ผมเห็นว่า
ใครจะใช้จริงก็คงต้องเทรนเองอยู่ดี เพราะมันไม่ใช่สิ่งที่มีอยู่ใน Dataset ทั่วไป

ผมใช้ YOLOv11 Pre-Trained Model เป็นฐาน เทรนแบบจัดเต็มราว 12 ชั่วโมงบน Google Colab (GPU A100)
เทรนครบทั้ง 5 รุ่น: yolov11n → yolov11x
จาก Dataset ป้ายทะเบียนจริงกว่า 10,000 ภาพ (Roboflow)
พร้อมปรับ Hyperparameter, Validation และผลลัพธ์ครบชุด

สิ่งที่ผมอยากจะมอบให้เพื่อน ๆ :
- .pt และ .onnx รองรับ Python API / ONNX Runtime
- ใช้งานได้ผ่าน CLI, OpenCV, Edge Device
- รองรับตั้งแต่ Jetson Nano, Raspberry Pi ไปจนถึง Cloud GPU

ผลลัพธ์ประกอบการตัดสินใจ:
- PR Curve
- Confusion Matrix
- Validation Batch
- Output Video

💡 เหมาะสำหรับ:
- ระบบ Smart Parking
- Gate Control ที่ใช้ป้ายทะเบียน
- ALPR จากกล้อง RTSP ธรรมดา

📥 โหลดฟรีทั้งหมดที่นี่:
GitHub: https://github.com/morsetechlab/yolov11-license-plate-detection

ถ้าชอบแนวทางนี้ ฝากกด Like & Share เป็นกำลังใจให้ผมด้วยครับ 🙏 ขอบพระคุณมากครับ

GitHub - morsetechlab/yolov11-license-plate-detection: Fine-tuned YOLOv11 models for License Plate Detection (YOLOv11n → YOLOv11x). Includes .pt and .onnx files for direct use on edge devices or cloud systems — no retraining required. Fine-tuned YOLOv11 models for License Plate Detection (YOLOv11n → YOLOv11x). Includes .pt and .onnx files for direct use on edge devices or cloud systems — no retraining required. - morsetechlab/yo...

Vision Task 101: แยกให้ออก! เพราะการที่ AI เข้าใจภาพ ไม่ใช่แค่การวาดกรอบรอบวัตถุ

-

หลายคนอาจเคยเห็น AI ตรวจจับวัตถุในภาพ
แต่จริง ๆ แล้ว Computer Vision ทำได้มากกว่านั้นอีกมาก

-

บทความนี้จะพาคุณเข้าใจ ความแตกต่างของ 4 งานหลักในโลกการมองเห็นของ AI:
Object Detection, Tracking, Segmentation และ Keypoints Detection

-

แต่ละแบบใช้งานยังไง? โมเดลยอดนิยมมีอะไรบ้าง? มีเกณฑ์วัดผลอะไรที่ใช้บอกว่า "โมเดลใช้งานได้แม่นยำจริงหรือไม่"?

-

ถ้าคุณกำลังเริ่มต้นทำงานกับ AI หรือแค่อยากรู้ว่าเบื้องหลังเทคโนโลยีเหล่านี้ทำงานยังไง บทความนี้จะช่วยให้คุณเข้าใจภาพรวมแบบชัดเจน

อ่านบทความเต็มที่นี่: https://www.morsetechlab.com/articles/vision-task-101-4-computer-vision

Vision Task 101: แยกให้ออก! 4 Tasks หลักของ Computer Vision เข้าใจ 4 Vision Tasks หลักใน AI: Detection, Tracking, Segmentation และ Keypoint ว่าต่างกันอย่างไร ใช้โมเดลแบบไหน และประเมินผลอย่างไร

รู้หรือไม่? คอมพิวเตอร์ไม่ต้องเห็นหน้าเราซ้ำ ๆ ก็ “จำ” ได้ว่าเป็นเรา

-

จากยุคของ HOG, SIFT และ LBP เทคนิควิเคราะห์ฟีเจอร์แบบดั้งเดิม
สู่โลกของ Deep Learning ที่ปฏิวัติการรู้จำใบหน้าใหม่หมด
ด้วยการแปลงใบหน้าคุณให้กลายเป็นเวกเตอร์ 128 หรือ 512 มิติ
เพียงเสี้ยววินาที AI ก็สามารถระบุได้ทันทีว่า “นี่แหละคือคุณ”

-

เบื้องหลังความแม่นยำเหล่านี้ ไม่ใช่แค่คณิตศาสตร์ธรรมดา แต่คือการเรียนรู้เชิงลึก (Deep Representation) ที่ทำให้ใบหน้าเป็นเพียงข้อมูลเชิงตัวเลข แม่นยำจนสามารถปลดล็อกมือถือ ลงเวลาทำงาน
หรือแม้แต่ค้นหาคนจากกล้องวงจรปิดได้อย่างไร้ข้อผิดพลาด

-

ค้นพบเบื้องหลังเทคโนโลยีล้ำสมัยนี้ในบทความฉบับเต็ม:
https://www.morsetechlab.com/articles/face-recognition-vector-ai


#ภาพที่คอมพิวเตอร์เข้าใจได้

รู้หรือไม่ว่า? คอมพิวเตอร์จดจำใบหน้าเราได้อย่างไร คอมพิวเตอร์รู้จำใบหน้าเราได้จากเวกเตอร์! เรียนรู้เบื้องหลังการแปลงใบหน้าเป็นเวกเตอร์ตัวเลข พร้อมตัวอย่...