โครงการนี้มีวัตถุประสงค์ในการออกแบบและพัฒนาระบบต้นแบบอัตโนมัติ เพื่อตรวจหาและจำแนกชนิดไข่พยาธิจากกล้องจุลทรรศน์แบบมีมอเตอร์ควบคุมแท่นวางสไลด์อัตโนมัติราคาประหยัด ที่เหมาะสมต่อการนำไปใช้ในสถานีอนามัยหรือโรงพยาบาลในท้องถิ่นที่ขาดแคลนผู้เชี่ยวชาญเฉพาะ โดยระบบต้นแบบประกอบด้วย 2 องค์ประกอบหลัก คือ กล้องจุลทรรศน์แบบมีมอเตอร์ควบคุมแท่นวางสไลด์อัตโนมัติ ที่สามารถควบคุมตำแหน่งในการถ่ายภาพได้ทั้ง 3 แกน x-y-z โดยมีมอเตอร์ควบคุมการเคลื่อนที่ของแท่นวางสไลด์ในแกน x-y และมีมอเตอร์ควบคุมการเคลื่อนที่ของกล้องในแกน z เพื่อหาระยะชัดอัตโนมัติ และโปรแกรมตรวจหาและจำแนกไข่พยาธิจากภาพที่ได้จากกล้องจุลทรรศน์อัตโนมัติ เราได้ทดสอบหลายโมเดล และได้เลือกใช้โมเดลการเรียนรู้เชิงลึกแบบ YOLOF-small เพื่อทำงานบนบอร์ดคอมพิวเตอร์ขนาดเล็ก NVDIA Jetson Xavier นำโมเดลดังกล่าวมาสอนด้วยภาพไข่พยาธิจำนวน 5 ชนิดที่ได้เสนอไว้ในข้อเสนอโครงการ ซึ่งนำมาจากชุดข้อมูลภาพไข่พยาธิ Chula-ParasiticEgg-11 ร่วมกับภาพไข่พยาธิที่ได้จากเครื่องมือต้นแบบฯ จากการทดสอบพบว่าโปรแกรมตรวจหาและจำแนกชนิดไข่พยาธิมีความแม่นยำเฉลี่ย 95% เมื่อทดสอบกับข้อมูลสอน แต่ได้ความแม่นยำเฉลี่ย 43% เมื่อทดสอบกับข้อมูลทดสอบซึ่งไม่เคยเห็นมาก่อน ประสิทธิผลในการนับจำนวนไข่พยาธิที่ตรวจพบเฉลี่ย 90%<br><br>The objective of this project is to design and develop a prototype of an automated system for parasitic worm eggs detection and classification on a motorised stage microscope. We aim to develop a novel cost-effective diagnosis system that automates detection and identification of intestinal parasite eggs from faecal smear samples, that can be used by non-experts. The system prototype comprises of 2 main components: a hardware component comprising programmable X-Y-Z motorised staging microscopic system and the algorithmic component which will automate detection and classification of the parasitic worm eggs from the microscopic images. We tested many object detection models and finally selected the pretrained YOLOF-small which is suitable to be deployed on a NVDIA Jetson Xavier. As a by-product of this project, we were successfully collected and created a new dataset of 11 types parasitic egg called Chula-ParasiticEgg-11 which is available for public. We retrained the pretrained YOLOF-small model with images of 5 types of parasitic egg, as proposed in the proposal, from the Chula-Parasitic-11 dataset combing with some images collected from our microscope prototype. The experimental results show our system yields the 95% precision when tested on the training data as opposed to 43% precision when tested on the unseen test dataset. Among the true positive results, the system can identify the distinct detected parasitic egg for counting with 90% accuracy.