การถอดรหัสยุทธวิธีและภาระงานทางกายในการแข่งขันซอฟท์เทนนิสระดับเอเชียนเกมส์ด้วยเทคโนโลยีคอมพิวเตอร์วิทัศน์: มิติใหม่ของการฝึกสอนที่ขับเคลื่อนด้วยข้อมูล
Article Sidebar
Main Article Content
บทคัดย่อ
การศึกษานี้มีวัตถุประสงค์เพื่อนำเสนอแนวทางการประยุกต์ใช้เทคโนโลยีปัญญาประดิษฐ์ (AI) ผ่านแอปพลิเคชัน SwingVision เพื่อการวิเคราะห์เกมและยกระดับศักยภาพนักกีฬาซอฟท์เทนนิส โดยใช้วิธีการนำเข้าไฟล์วิดีโอการแข่งขัน จำนวน 1 ไฟล์ (ความละเอียด 720p/60fps นามสกุล .MP4) เพื่อประมวลผลด้วยอัลกอริทึมคอมพิวเตอร์วิทัศน์ ผลการศึกษาพบว่า แอปพลิเคชันสามารถแปลงค่าระบบคะแนนจากกีฬาเทนนิสสู่บริบทของซอฟท์เทนนิสได้อย่างสอดคล้อง และสามารถสังเคราะห์ข้อมูลเชิงลึกได้ใน 4 มิติหลัก ได้แก่ 1) การบันทึกสถิติรายแต้มแบบอัตโนมัติที่ระบุสาเหตุของการได้-เสียคะแนน 2) การระบุอัตลักษณ์ทางเทคนิคผ่านการวิเคราะห์รูปแบบการหมุนและทิศทางการตี 3) การวิเคราะห์เปรียบเทียบเชิงยุทธวิธีที่สามารถระบุจุดอ่อนของคู่แข่งขันผ่านความเร็วและความแม่นยำในแต่ละพื้นที่สนาม และ 4) การประเมินภาระงานทางสรีรวิทยาผ่านความยาวนานของการโต้ลูก อย่างไรก็ตาม เนื่องจากแอปพลิเคชันถูกพัฒนาสำหรับกีฬาเทนนิส การแปลผลในบริบทซอฟท์เทนนิสจึงมีข้อจำกัดด้านความแตกต่างของฟิสิกส์ลูกบอลที่อาจส่งผลต่อความแม่นยำในการคำนวณความเร็ว การศึกษานี้แสดงให้เห็นว่าเทคโนโลยีดังกล่าวเป็นนวัตกรรมทางเลือกที่มีประสิทธิภาพและเข้าถึงได้ง่าย ช่วยให้ผู้ฝึกสอนและนักกีฬาซอฟท์เทนนิสสามารถเข้าถึงกระบวนการฝึกซ้อมที่ขับเคลื่อนด้วยข้อมูล เพื่อเตรียมความพร้อมสู่การแข่งขันระดับสากล
Article Details
เนื้อหาและข้อมูลในบทความที่ลงตีพิมพ์ในวารสารวิทยาศาสตร์การกีฬาและนวัตกรรมสุขภาพ กลุ่มมหาวิทยาลัยราชภัฏแห่งประเทศไทย ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรงซึ่งกองบรรณาธิการวารสาร ไม่จำเป็นต้องเห็นด้วย หรือร่วมรับผิดชอบใด ๆ
บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารวิทยาศาสตร์การกีฬาและนวัตกรรมสุขภาพ กลุ่มมหาวิทยาลัยราชภัฏแห่งประเทศไทย ถือเป็นลิขสิทธิ์ของคณะวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยราชภัฏศรีสะเกษ หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนหนึ่งส่วนใดไปเผยแพร่ต่อหรือเพื่อกระทำการใด จะต้องได้รับอนุญาตเป็นลายลักษณ์อักษรจากวารสารวิทยาศาสตร์การกีฬาและนวัตกรรมสุขภาพ กลุ่มมหาวิทยาลัยราชภัฏแห่งประเทศไทย ก่อนเท่านั้น
เอกสารอ้างอิง
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
