Computer Vision คืออะไร? AI ที่มองเห็นและเข้าใจภาพ ใช้ในธุรกิจอย่างไร

สารบัญเนื้อหา12 หัวข้อ · อ่าน 5 นาที
Key Takeaways
- AI ที่ทำให้คอมพิวเตอร์ 'มองเห็น' Computer Vision ใช้ Machine Learning วิเคราะห์ภาพและวิดีโอ เพื่อจำแนก ตรวจจับ นับ และติดตามวัตถุ
- ใช้จริงแล้วในหลายอุตสาหกรรม ตรวจของเสียในไลน์ผลิต นับสินค้าบนชั้น อ่านป้ายทะเบียน ตรวจภาพเอกซเรย์ และวิเคราะห์แปลงเกษตร
- เริ่มจากโจทย์ที่วัดผลได้ เลือกงานที่ทำซ้ำ ใช้คนดูภาพจำนวนมาก และวัดผลชัด เช่น อัตราของเสีย แล้วเก็บภาพตัวอย่างให้พอ
Computer Vision คือ สาขาหนึ่งของปัญญาประดิษฐ์ (AI) ที่ทำให้คอมพิวเตอร์ประมวลผล วิเคราะห์ และตีความภาพหรือวิดีโอได้ คล้ายกับที่คนใช้ตามองแล้วเข้าใจสิ่งที่เห็น เช่น บอกได้ว่าในภาพมีอะไร อยู่ตรงไหน มีกี่ชิ้น และชิ้นไหนผิดปกติ ปัจจุบันเทคโนโลยีนี้อยู่ใกล้ตัวกว่าที่คิด ตั้งแต่การปลดล็อกมือถือด้วยใบหน้า กล้องอ่านป้ายทะเบียนที่ลานจอดรถ ไปจนถึงกล้องตรวจรอยร้าวบนชิ้นงานในโรงงาน
Computer Vision คืออะไร
IBM นิยาม Computer Vision ว่าเป็นสาขาย่อยของ AI ที่ทำให้เครื่องจักร "ประมวลผล วิเคราะห์ และตีความข้อมูลภาพ เช่น ภาพนิ่งและวิดีโอ" โดยใช้ Machine Learning ดึงข้อมูลที่มีความหมายออกมาจากภาพ ภาษาไทยมักเรียกว่า "คอมพิวเตอร์วิทัศน์"
ความต่างจากการถ่ายภาพหรือกล้องวงจรปิดทั่วไปคือ กล้องแค่ "บันทึก" ภาพ แต่ Computer Vision "เข้าใจ" ภาพ แล้วนำผลไปใช้ต่อ เช่น สั่งให้สายพานคัดชิ้นงานเสียออก หรือแจ้งเตือนเมื่อมีคนเข้าพื้นที่อันตราย
Computer Vision ทำงานอย่างไร
IBM อธิบายขั้นตอนทั่วไปไว้ 4 ขั้น
- เก็บข้อมูล (Data Gathering) รวบรวมภาพหรือวิดีโอจำนวนมาก พร้อมติดป้ายกำกับ เช่น "ชิ้นงานดี" "รอยขีดข่วน"
- เตรียมข้อมูล (Preprocessing) ทำความสะอาดภาพ และเพิ่มความหลากหลายด้วยการหมุนหรือพลิกภาพ
- เลือกโมเดล (Model Selection) โมเดลหลักสำหรับงานภาพคือ CNN (Convolutional Neural Network) ซึ่งใช้ตัวกรองเลื่อนผ่านพิกเซลเพื่อหาขอบ รูปทรง และพื้นผิว ส่วน Vision Transformer (ViT) เป็นทางเลือกที่ได้รับความนิยมขึ้น โดยแบ่งภาพเป็นชิ้นเล็กแล้ววิเคราะห์ความสัมพันธ์ของแต่ละชิ้น
- ฝึกโมเดล (Training) โมเดลเทียบผลทำนายกับคำตอบจริง แล้วปรับค่าภายในซ้ำ ๆ จนแม่นยำขึ้น
จุดเปลี่ยนสำคัญเกิดในปี 2012 เมื่อโมเดล CNN ชื่อ AlexNet ที่ฝึกกับฐานข้อมูลภาพ ImageNet (เปิดตัวปี 2009) ลดความผิดพลาดในการจำแนกภาพลงได้มาก และเป็นจุดเริ่มต้นของ Computer Vision ยุคใหม่ตามที่ IBM สรุปไว้
Computer Vision ทำอะไรได้บ้าง

| งาน | ทำอะไร | ตัวอย่าง |
|---|---|---|
| จำแนกภาพ (Image Classification) | ติดป้ายว่าภาพนี้คืออะไร | ผลไม้เกรด A หรือ B |
| ตรวจจับวัตถุ (Object Detection) | หาตำแหน่งวัตถุและตีกรอบ เช่น ด้วยโมเดล YOLO | นับรถในลานจอด หาคนไม่สวมหมวกนิรภัย |
| แบ่งส่วนภาพ (Segmentation) | ระบุพิกเซลที่เป็นวัตถุแต่ละชิ้น | วัดขนาดรอยร้าวบนผิวงาน |
| ติดตามวัตถุ (Object Tracking) | ติดตามวัตถุข้ามเฟรมวิดีโอ | ติดตามเส้นทางลูกค้าในร้าน |
| อ่านตัวอักษร (OCR) | อ่านข้อความในภาพ | อ่านป้ายทะเบียน ใบแจ้งหนี้ |
| จดจำใบหน้า (Facial Recognition) | ยืนยันตัวตนจากใบหน้า | สแกนหน้าเข้างาน |
| ประเมินท่าทาง (Pose Estimation) | ตรวจจับตำแหน่งข้อต่อร่างกาย | ตรวจท่ายกของที่เสี่ยงบาดเจ็บ |
ตัวอย่างการใช้ Computer Vision ในธุรกิจ

- โรงงาน ตรวจของเสียบนไลน์ผลิตแบบเรียลไทม์ (Visual Inspection) อ่านบาร์โค้ดและวันหมดอายุ นับชิ้นงาน และตรวจความปลอดภัย เช่น คนเข้าใกล้เครื่องจักร
- ค้าปลีก ตรวจสินค้าหมดชั้น ร้านค้าแบบไม่มีแคชเชียร์ และระบบลองเสื้อผ้าเสมือนจริง
- โลจิสติกส์ อ่านฉลากพัสดุ วัดขนาดกล่อง และตรวจความเสียหายก่อนรับเข้าคลัง
- การแพทย์ ช่วยแพทย์หาความผิดปกติจากภาพเอกซเรย์ CT MRI และอัลตราซาวด์
- เกษตร ประเมินสุขภาพพืช หาวัชพืชและศัตรูพืช และคัดเกรดผลผลิต
- รักษาความปลอดภัย กล้องวงจรปิดที่ตรวจจับคนบุกรุก อ่านป้ายทะเบียน และค้นหาเหตุการณ์ย้อนหลัง อ่านเพิ่มเติมเรื่องระบบกล้องวงจรปิดและกล้อง AI
ตลาดเทคโนโลยีนี้เติบโตเร็ว ResearchAndMarkets ประเมินว่าตลาด AI ด้าน Computer Vision จะโตมากกว่าเท่าตัวจนแตะ 117,000 ล้านดอลลาร์สหรัฐในปี 2030 โดยมีแรงขับจาก Deep Learning ระบบเฝ้าระวังอัจฉริยะ และรถยนต์ไร้คนขับ
ข้อดีและข้อจำกัด
ข้อดี
- ตรวจได้ตลอด 24 ชั่วโมง ไม่เหนื่อย มาตรฐานเท่ากันทุกชิ้น
- เร็วกว่าคนมากในงานที่ต้องดูภาพจำนวนมาก
- เก็บภาพและผลการตรวจเป็นข้อมูลย้อนหลัง ใช้วิเคราะห์ต้นเหตุปัญหาได้
ข้อจำกัด
- ต้องมีภาพตัวอย่างจำนวนมากและติดป้ายกำกับให้ถูก โดยเฉพาะภาพของเสียที่เกิดไม่บ่อย
- แสง มุมกล้อง และฝุ่นมีผลต่อความแม่นยำมาก
- โมเดลอาจผิดพลาดเมื่อเจอสภาพที่ไม่เคยเห็น เช่น สินค้ารุ่นใหม่
- งานที่เกี่ยวกับใบหน้าหรือบุคคลต้องปฏิบัติตาม PDPA เพราะเป็นข้อมูลส่วนบุคคล และข้อมูลชีวภาพจัดเป็นข้อมูลอ่อนไหว
Computer Vision กับ AI ด้านอื่นต่างกันอย่างไร
Computer Vision เป็น "ตา" ของระบบ AI ขณะที่ AI ด้านภาษาเป็น "การอ่านและเขียน" ปัจจุบันมีโมเดลแบบ Vision Language Model ที่เข้าใจทั้งภาพและข้อความ ทำให้ถามคำถามเกี่ยวกับภาพเป็นภาษาธรรมชาติได้ เมื่อนำผลจาก Computer Vision ไปสั่งงานต่อโดยอัตโนมัติ เช่น เปิดใบแจ้งซ่อมเมื่อกล้องเห็นรอยรั่ว ก็จะกลายเป็นส่วนหนึ่งของ AI Automation
วิธีเริ่มใช้ Computer Vision ในธุรกิจ
- เลือกโจทย์ที่วัดผลได้ เช่น ลดของเสียที่หลุดถึงลูกค้า หรือลดเวลานับสต๊อก
- เช็กว่ามีภาพพอไหม ทั้งภาพปกติและภาพผิดปกติ ถ้ายังไม่มี ต้องติดกล้องเก็บข้อมูลก่อน
- ควบคุมสภาพหน้างาน แสงคงที่ มุมกล้องคงที่ ช่วยให้โมเดลแม่นยำขึ้นมาก
- เริ่มจากโครงการนำร่อง ทดสอบไลน์เดียวหรือสาขาเดียว เทียบผลกับการตรวจด้วยคน
- เลือกวิธีพัฒนา ใช้บริการสำเร็จรูปจากผู้ให้บริการคลาวด์ ใช้ผู้ให้บริการ AI ในไทย หรือพัฒนาเองถ้ามีทีมข้อมูล อ่านแนวทางเลือกผู้ให้บริการได้ที่AI Solution คืออะไร
- วางแผนดูแลโมเดล เก็บภาพที่โมเดลทายผิดมาฝึกเพิ่มอย่างต่อเนื่อง
สรุป
Computer Vision คือ AI ที่ทำให้คอมพิวเตอร์มองเห็นและเข้าใจภาพ ทำได้ตั้งแต่จำแนกภาพ ตรวจจับและนับวัตถุ อ่านตัวอักษร ไปจนถึงติดตามการเคลื่อนไหว ธุรกิจไทยนำไปใช้ได้จริงทั้งในโรงงาน ค้าปลีก โลจิสติกส์ การแพทย์ และเกษตร จุดสำคัญของความสำเร็จไม่ใช่โมเดลที่ล้ำที่สุด แต่เป็นโจทย์ที่ชัด ภาพตัวอย่างที่ดี และสภาพหน้างานที่ควบคุมได้
คำถามที่พบบ่อย (FAQ)
Computer Vision ภาษาไทยเรียกว่าอะไร
นิยมเรียกว่า "คอมพิวเตอร์วิทัศน์" หรือการมองเห็นของคอมพิวเตอร์
Computer Vision กับ Image Processing ต่างกันอย่างไร
Image Processing คือการปรับแต่งภาพ เช่น ปรับแสง ลดสัญญาณรบกวน ส่วน Computer Vision คือการทำความเข้าใจภาพเพื่อตัดสินใจ ระบบ Computer Vision มักใช้ Image Processing เป็นขั้นตอนเตรียมภาพ
ต้องใช้ภาพกี่ภาพในการฝึกโมเดล
ขึ้นกับความยากของงาน งานง่ายที่ใช้โมเดลสำเร็จรูปอาจเริ่มจากหลักร้อยภาพ ส่วนงานตรวจของเสียที่แยกยากอาจต้องหลายพันภาพ และต้องมีภาพของเสียหลายรูปแบบ
ใช้กล้องวงจรปิดเดิมทำ Computer Vision ได้ไหม
ได้ในหลายกรณี เช่น นับคนหรือตรวจจับการบุกรุก แต่งานที่ต้องเห็นรายละเอียดเล็ก เช่น รอยขีดข่วนบนชิ้นงาน มักต้องใช้กล้องอุตสาหกรรมที่ความละเอียดและแสงเหมาะสม


