DECODING TACTICS AND PHYSICAL WORKLOAD IN ASIAN GAMES SOFT TENNIS USING COMPUTER VISION TECHNOLOGY: A NEW DIMENSION OF DATA-DRIVEN COACHING
Article Sidebar
Main Article Content
Abstract
This study aimed to investigate the application of Artificial Intelligence (AI) via the SwingVision application for match analysis and performance enhancement in soft tennis. Employing a video-based methodology, a single match video (720p resolution, 60 fps, .MP4 format) was processed using computer vision algorithms. The results demonstrated that the application effectively adapted the tennis scoring system to the soft tennis context and synthesized insights across four key dimensions: 1) automated point-by-point notational analysis identifying the causes of winning and losing points; 2) technical profiling through the analysis of spin mechanics and directional shot distribution; 3) comparative tactical analysis identifying opponent weaknesses using spatial speed and accuracy metrics; and 4) physiological load assessment based on rally duration. However, because the application was originally developed for tennis, its interpretation within the soft tennis context presents certain limitations related to differences in ball physics, which may affect the accuracy of speed calculations. Nevertheless, this study highlights the technology as an accessible and high-efficiency innovation that enables soft tennis coaches and athletes to adopt data-driven coaching methodologies in preparation for international competition.
Article Details
เนื้อหาและข้อมูลในบทความที่ลงตีพิมพ์ในวารสารวิทยาศาสตร์การกีฬาและนวัตกรรมสุขภาพ กลุ่มมหาวิทยาลัยราชภัฏแห่งประเทศไทย ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรงซึ่งกองบรรณาธิการวารสาร ไม่จำเป็นต้องเห็นด้วย หรือร่วมรับผิดชอบใด ๆ
บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารวิทยาศาสตร์การกีฬาและนวัตกรรมสุขภาพ กลุ่มมหาวิทยาลัยราชภัฏแห่งประเทศไทย ถือเป็นลิขสิทธิ์ของคณะวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยราชภัฏศรีสะเกษ หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนหนึ่งส่วนใดไปเผยแพร่ต่อหรือเพื่อกระทำการใด จะต้องได้รับอนุญาตเป็นลายลักษณ์อักษรจากวารสารวิทยาศาสตร์การกีฬาและนวัตกรรมสุขภาพ กลุ่มมหาวิทยาลัยราชภัฏแห่งประเทศไทย ก่อนเท่านั้น
References
Bilić, Z., Dukarić, V., Šanjug, S., Barbaros, P., & Knjaz, D. (2023). The concurrent validity of mobile application for tracking tennis performance. Applied Sciences, 13(10), Article 6195. https://doi.org/10.3390/app13106195
Kusubori, S., & Tanaka, T. (2023). Factors that contribute to winning medals in international soft tennis events. International Journal of Racket Sports Science, 5(1), 23–33. https://doi.org/10.30827/ijrss.33246
Lapham, A., & Bartlett, M. (1995). The use of artificial intelligence in the analysis of sports performance: A review of applications in human gait analysis and future directions for sports biomechanics. Journal of Sports Sciences, 13(3), 229–237. https://doi.org/10.1080/02640419508732232
Liu, R., Lu, T., Yuan, S., Zhou, H., & Gowda, M. (2024). SmartDampener: An open-source platform for sport analytics in tennis. Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies, 8(3), Article 118 . https://doi.org/10.1145/3678507
Naik, B., Hashmi, M., & Bokde, D. (2022). A comprehensive review of computer vision in sports: Open issues, future trends and research directions. Applied Sciences, 12(9), Article 4429. https://doi.org/10.3390/app12094429
Renò, V., Mosca, N., Marani, R., Nitti, M., D'Orazio, T., & Stella, E. (2017). A technology platform for automatic high-level tennis game analysis. Computer Vision and Image Understanding, 159, 164–175. https://doi.org/10.1016/j.cviu.2017.01.002
Sampaio, T., Oliveira, J., Marinho, D., Neiva, H., & Morais, J. (2024). Transforming tennis with artificial intelligence: A bibliometric review. Frontiers in Sports and Active Living, 6, Article 1456998.
https://doi.org/10.3389/fspor.2024.1456998
SwingVision. (2025). SwingVision: AI stats for tennis & pickleball (Version 11.9.44) [Mobile app]. App Store. https://swing.vision/
Thongthanapat, N., & Khamros, W. (2024). Comparing and analyzing elite soft tennis players: Match workload, technique, and action area in high-level competitive games. Journal of Human Sport and Exercise, 19(3), 748–756. https://doi.org/10.55860/4pmqkk49
Yamamoto, Y., Yokoyama, K., Kijima, A., Okumura, M., & Shima, H. (2024). Interpersonal strategy for controlling unpredictable opponents in soft tennis. Scientific Reports, 14(1), Article 20546. https://doi.org/10.1038/s41598-024-71538-5
