NonSittinon/plant_stress_sounds

Plant Stress Sound Dataset

รายละเอียด Dataset

ชุดข้อมูลนี้เป็นการเก็บเสียงความเครียดของต้นพลูด่าง (Epipremnum aureum) เพื่อวิเคราะห์สถานะความชื้นของพืชในสภาพแวดล้อมที่แตกต่างกัน ได้แก่

• Dry (ขาดน้ำ)
• Water (น้ำเพียงพอ)

เราใช้ไมโครโฟน SPH0645 ติดตั้งอย่างชิดกับบริเวณลำต้น เพื่อเก็บเสียงสัญญาณจากต้นพืชโดยตรง
การบันทึกเสียงทำในกล่องเก็บเสียงที่ออกแบบและสร้างขึ้นเอง เพื่อป้องกันเสียงรบกวนจากภายนอก

หลังจากเก็บข้อมูลเสียงมาแล้ว ไฟล์เสียงถูกประมวลผลใน Audacity โดย:

• ตัดเสียงรบกวน (Noise Reduction)
• ปรับแต่งระดับเสียงให้ชัดเจน
• แปลงเป็น Mel Spectrogram เพื่อใช้เป็นข้อมูลภาพ

---

การใช้งานใน AI

ข้อมูลนี้ถูกใช้ฝึกโมเดล Convolutional Neural Network (CNN) สำหรับงาน Audio Classification โมเดลถูกพัฒนาและเทรนบน PyTorch และ deploy ด้วย Gradio บน Hugging Face Spaces

• ทดลองโมเดล AI ได้ที่: NonSittinon/plant_sounds_cnn_ai

---

สถาปัตยกรรมโมเดล (CNN)

สถาปัตยกรรมของโมเดลที่ใช้กับ dataset นี้:

class CNNModel(nn.Module):
    def __init__(self):
        super(CNNModel, self).__init__()
        self.conv1 = nn.Conv2d(1, 32, 3, padding=1)
        self.bn1 = nn.BatchNorm2d(32)
        self.pool = nn.MaxPool2d(2, 2)

        self.conv2 = nn.Conv2d(32, 64, 3, padding=1)
        self.bn2 = nn.BatchNorm2d(64)

        self.conv3 = nn.Conv2d(64, 128, 3, padding=1)
        self.bn3 = nn.BatchNorm2d(128)

        self.global_avg_pool = nn.AdaptiveAvgPool2d(1)
        self.fc1 = nn.Linear(128, 64)
        self.dropout = nn.Dropout(0.3)
        self.fc2 = nn.Linear(64, 2)  # 2 classes

    def forward(self, x):
        x = self.pool(torch.relu(self.bn1(self.conv1(x))))
        x = self.pool(torch.relu(self.bn2(self.conv2(x))))
        x = self.pool(torch.relu(self.bn3(self.conv3(x))))
        x = self.global_avg_pool(x)
        x = x.view(x.size(0), -1)
        x = torch.relu(self.fc1(x))
        x = self.dropout(x)
        x = self.fc2(x)
        return x

---

โครงสร้างข้อมูล (Features)

ชื่อคอลัมน์	ประเภทข้อมูล	รายละเอียด
file_name	audio (sr 48 kHz)	ชื่อไฟล์เสียง
path	string	เส้นทางไฟล์
label	string	ป้ายกำกับสถานะ (dry, water)
label_num	int64	รหัสสถานะแบบตัวเลข
audio_duration	float64	ความยาวเสียง (วินาที)
mel_spectrogram	image	ภาพ mel spectrogram ของเสียง
split	string	ชุดข้อมูลแบ่งเป็น train หรือ test

การแบ่งข้อมูล (Splits)

ชุดข้อมูล	จำนวนไฟล์
train	320
test	80

---

ขอบคุณที่สนใจใช้ชุดข้อมูลนี้ครับ หากในเนื้อหาหรือข้อมูลส่วนใดมีข้อผิดพลาดหรือขาดตกบกพร่อง ต้องขออภัยมา ณ ที่นี้ด้วย และยินดีรับฟังคำแนะนำหรือข้อเสนอแนะเพื่อปรับปรุงในอนาคตครับ