เกษตรกรรมความแม่นยำสูง (Precision Agriculture Technology) เป็นที่นิยมกันมากในประเทศที่พัฒนาแล้วหลายๆ ประเทศ อาทิเช่น ประเทศสหรัฐอเมริกา และ ออสเตรเลีย และเริ่มแพร่หลายเข้าไปในหลายประเทศ ทั้งประเทศแถบยุโรป ญี่ปุ่น และแม้กระทั่งประเทศเพื่อนบ้าน ของเราอย่าง มาเลเซีย ก็มีการนำ Precision Farming มาใช้ในการดูแลสวนปาล์มทั้งที่มีขนาดกลาง และขนาดใหญ่ ซึ่งพบว่ามีผลทำให้มีผลผลิตที่สูงขึ้น ในส่วนของประเทศไทยนั้น มีพื้นที่เกษตรกรรมขนาดใหญ่ มีความหลากหลายทางพืชพันธุ์ มีความได้เปรียบเขาหลายๆ อย่าง จึงน่าจะมีการวิจัยและพัฒนาและนำเอาเทคโนโลยีนี้มาใช้ให้มีความก้าวหน้าและเกิดประโยชน์มากสุด จากการสำรวจพบว่าเทคโนโลยี Precision Agriculture นั้นเกิดจากแนวคิดที่ว่า พืชพันธุ์ที่ปลูก และ สภาพล้อมรอบ อาทิเช่น ดิน น้ำ แสง และอากาศ ในไร่นา นั้นมีความแตกต่างกันเฉพาะของในแต่ละบริเวณ แม้จะอยู่ในบริเวณที่ทำการเกษตรเดียวกันก็ตาม สภาพล้อมรอบที่แตกต่างกันนี้ จะมีผลทำให้การเกิดผลผลิตที่เก็บเกี่ยวได้มีความแตกต่างกันได้ ดังนั้นการปรับปรุงวิธีการดูแลที่ทันช่วงเวลาให้เหมาะสมกับสภาพที่แตกต่างกันนั้น จะทำให้สามารถสร้างผลผลิตที่มากขึ้น อย่างมีประสิทธิภาพที่สุด แต่ปัญหาที่ประสบพบเจอก็คือว่า เราจะสามารถรู้ได้อย่างไรว่า ความแตกต่างในแปลงการเกษตรนั้นมีจริง แล้วจะมีวิธีการวัดและทำการตรวจสอบได้อย่างไร หรือเมื่อได้ผลมาและรู้แล้ว เราจะนำเทคโนโลยี (Precision Agriculture Technology) นั้นมาใช้อย่างไร รวมไปจนถึงจะมีวิธีการบริหารและจัดการอย่างไร ในปัจจุบันนี้นั้นพบว่า นาโนเทคโนโลยีสามารถเข้ามาช่วยในงานของเกษตรกรรมความแม่นยำสูง ในหลายๆ ด้านเริ่มตั้งแต่ในเรื่องของอุปกรณ์ เซ็นเซอร์ตรวจวัด การควบคุมการปลดปล่อยปริมาณปุ๋ย และ ยาฆ่าแมลงด้วยความแม่นยำสูง บรรจุภัณฑ์ทางการเกษตร การตรวจวัดความสด การควบคุมความสดอาหาร ป้ายอิเล็กทรอนิกส์เก็บข้อมูลสินค้า เป็นต้น รูปแสดงข้างล่างนี้เป็นหลักการและแนวคิดของเทคโนโลยีเกษตรกรรมความแม่นยำสูง
ภาพที่ 1: การนำเอาจำนวนของ อินพุท ที่ถูกต้องทั้งปริมาณและชนิดมาประยุกต์ใช้ให้ถูกกับสถานที่และเวลา [1]
หลักการของ เกษตรกรรมแม่นยำสูง หรือว่า PA นั้น ได้ถูกคิดค้นใช้ในครั้งแรกที่สหรัฐอเมริกาในต้น คริสศักราช 1970 แต่ไม่ค่อยได้รับผลความสำเร็จในเวลานั้น เนื่องมาจากเทคโนโลยีสนับสนุนทางด้านอุปกรณ์ในช่วงเวลานั้นยังมีความเที่ยงตรงแม่นยำน้อย หลังจากช่วงเวลานั้นอีก 10 ปีต่อมา ก็ได้เกิดเทคโนโลยีใหม่และได้มีการนำออกมาใช้กันอย่างกว้างขวาง โดยเทคโนโลยีนั้นเรียกว่า เทคโนโลยีการตรวจจับระยะไกล หรือ Remote Sensing Technology นั่นเอง
ภาพที่ 2: ขั้นตอนของเทคโนโลยีการตรวจจับระยะไกล [2]
ระบบถ่ายภาพมุมสูงแบบอัตโนมัติ ในระดับความสูงจากพื้นดินประมาณ 15 เมตร แบบติดตั้งท้ายรถแทรกเตอร์เพื่อการเกษตร (Low altitude less dynamic image data acquisition system mounted on crane with Tractor attachment) ซึ่งเป็นระบบถ่ายภาพมุมสูงแบบอัตโนมัติ สามารถที่จะทำการถ่ายภาพมุมสูงได้ตั้งแต่ระดับ 5 เมตรเหนือพื้นดินขึ้นไปจนถึงระดับ 15 เมตร และในวารสารฉบับหัวข้อนี้นั้น จะเป็นการนำเสนอข้อมูลจริงจากงานวิจัยของ อาจารย์เกรียงไกร แซมสีม่วง สาขาวิชาวิศวกรรมเครื่องจักรกลเกษตรภาควิชาวิศวกรรมเกษตร คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเทคโนโลยีราชมงคลธัญบุรี ซึ่งในงานวิจัยนี้นั้น จะเป็นการศึกษาและเปรียบเทียบคุณสมบัติของข้อมูลภาพถ่ายที่ได้จากกล้อง ดิจิตอลแบบธรรมดา ราคาถูกที่มีขายทั่วไปในท้องตลาด กับข้อมูลภาพถ่ายที่ได้จากกล้องแบบอินฟราเรดและนำข้อมูลที่ได้นั้น ไปขยายผลต่อเป็นแผนที่ประยุกต์ทางการเกษตร ในลักษณะของการเจริญเติบโตของพืช และปริมาณความหนาแน่นของวัชพืชในแปลงการเกษตร ที่มีความแปรผันต่อจำนวนวันหลังจากการงอกของพืช ซึ่งัติของัยนี้นั้นจะเป็นการศึกษาและเกรียงไกร แซมสีม่วง ภาควิชาวิศวกรรมเกษตร คณะวิศวกรรมศาสตร์แทนกล้องอินฟราเรดได้ เนื่องเพราะอาจจะมีข้อสงสัยกันว่า ทำไมจะต้องเปรียบเทียบคุณภาพของข้อมูลภาพถ่ายที่ได้จากกล้องทั้งสองประเภท ที่ระดับความสูงแตกต่างกัน (5, 10 และ 15 เมตร) และที่จำนวนวันหลังจากที่พืชในแปลงการเกษตรงอก (7, 14, 21 และ 28 DAG) โดยคำตอบก็คือว่า เราต้องการที่จะรู้ให้ได้ว่าที่ระดับความสูงระดับไหนกันแน่ที่กล้องดิจิตอลธรรมดา สามารถที่จะทำการถ่ายภาพมุมสูงแทนกล้องอินฟราเรดได้ เนื่องเพราะด้วยกล้องอินฟราเรดนั้น มีราคาที่สูงกว่ากล้องดิจิตอลมาก และโดยวิธีการนี้นั้นเองเราก็จะสามารถประหยัดต้นทุนลงได้ หลักการทำงานของ ระบบการถ่ายภาพมุมสูงแบบอัตโนมัติ ที่มีการติดตั้งระบบกล้องขึ้นไปแขวนไว้กับชุดเครนที่ทำการออกแบบโดยใช้รถแทรกเตอร์เป็นต้นกำลัง โดยที่มีความสามารถในการถ่ายภาพมุมสูงได้ถึงระดับที่ 15 เมตรจากพื้นดิน มีต้นทุนในการจัดสร้างที่น้อยมากๆและยังพบว่ามีค่าความปลอดภัยในการปฏิบัติงานนั้นอยู่ในระดับที่ยอมรับได้ แต่มีข้อที่ควรปรับปรุงอยู่ก็คือว่า ยังคงต้องใช้แรงงานคนจำนวน 4 คนในการบังคับรถแทรกเตอร์ และทำการถอดประกอบและติดตั้งชุดเครนในการทดสอบแต่ละครั้ง เมื่อทำการติดตั้งอุปกรณ์ชุดเครนเข้ากับท้ายรถแทรกเตอร์แล้วนั้น ต่อจากนั้นเราก็ทำการติดตั้งชุดกล้องทั้งสองแบบ และชุดบังคับการกดชัตเตอร์ถ่ายภาพอัตโนมัติ ติดกับชุดสลิงและทำการแขวนขึ้นไปกับชุดเครน ในงานวิจัยนี้เราจะทำการถ่ายภาพที่ความสูงสามระดับความสูง (5, 10 และ 15 เมตร ตามลำดับ) และทำการทดสอบถ่ายภาพสี่ช่วงเวลาหลังจากการงอกของพืช (7, 14, 21 และ 28DAG) ซึ่งผลการทดสอบหลังจาก การประยุกต์ใช้ ซอฟแวร์ทางด้านระบบประมวลผลภาพ (Image processing analysis software) พบว่า หลังจากแยกพืชสีเขียวออกจากพื้น Back ground แล้วผลที่ได้นั้น ดังแสดงในรูปและตารางข้างล่างนี้
ภาพที่ 3: ส่วนประกอบหลักของชุดระบบการถ่ายภาพมุมสูงติดท้ายรถแทรกเตอร์ และชุดควบคุมการกดปุ่มชัตเตอร์ภาพแบบอัตโนมัติ [3]
ข้อมูลของภาพถ่ายมุมสูงที่ได้จากการทดลองนี้ จากผลการทดสอบทั้งหมดจำนวนสี่ครั้ง (7, 14, 21, 28DAG) พบว่าที่ความสูงสิบเมตรเหนือพื้นดินนั้น ข้อมูลของภาพที่ได้มามีความคมชัดในระดับที่ยอมรับได้ ดังแสดงในภาพด้านล่างนี้
ภาพที่ 4: ข้อมูลภาพถ่ายมุมสูงที่ระดับความสูง 10m และที่ช่วงเวลา 7 DAG พบว่า True RGB image (A) Segmentation RGB image (B) True NIR image (C) Segmentation NIR image (D).
ภาพที่ 5: ข้อมูลภาพถ่ายมุมสูงที่ระดับความสูง 10m และที่ช่วงเวลา 14 DAG พบว่า True RGB image (E) Segmentation RGB image (F) True NIR image (G) Segmentation NIR image (H).
ภาพที่ 6: ข้อมูลภาพถ่ายมุมสูงที่ระดับความสูง 10m และที่ช่วงเวลา 21 DAG พบว่า: True RGB image (I) Segmentation RGB image (J) True NIR image (K) Segmentation NIR image (L).
ภาพที่ 7: ข้อมูลภาพถ่ายมุมสูงที่ระดับความสูง 10m และที่ช่วงเวลา 28 DAG พบว่า True RGB image (M) Segmentation RGB image (N) True NIR image (O) Segmentation NIR image (P).
ตารางที่ 1 แสดงค่าเปอร์เซ็นต์ของความเขียว และวัชพืช ที่ได้จากการทดสอบโดยการใช้กล้องแบบดิจิตอลธรรมดา และแบบอินฟราเรด ที่ระดับความสูง 5, 10, 15 เมตรและช่วงเวลาหลังจากการงอก 7, 14, 21, 28DAG
Day After Germination (DAG)
|
Altitude Level (m) |
Percentage of greenness D C (%) |
Percentage of greenness NIR C (%) |
Percentage of weed D C (%) |
Percentage of weed NIR C (%)
|
7 DAG |
5 |
11.09a |
40.97e |
5.67a |
23.27b |
10 | 19.32b | 35.29d | 6.49a | 25.20b | |
15 | 26.89c | 37.47e | 7.47a | 35.49c | |
14 DAG | 5 | 18.89a | 43.96b | 12.27a | 20.04b |
10 | 19.92a | 46.34c | 14.74a | 25.13c | |
15 | 20.03a | 44.04b | 13.15a | 24.09c | |
21 DAG | 5 | 26.37a | 48.78d | 18.49a | 33.07c |
10 | 30.17b | 46.01c | 23.31b | 30.88c | |
15 | 31.23b | 44.52c | 21.71b | 37.98d | |
28 DAG | 5 | 36.24a | 51.44c | 26.38a | 37.06c |
10 | 36.02a | 58.81d | 29.64b | 37.70c | |
15 | 42.59b | 63.50d | 32.53b |
39.11d
|
Means for each characteristic followed by the same column are not significantly different at P<0.05 by Duncan’s Multiple Range test.
หลังจากนั้นลักษณะการประยุกต์จากข้อมูลภาพถ่ายทางอากาศไปเป็นการสร้างแผนที่ประยุกต์ทางการเกษตร ดังนี้
ภาพที่ 8: แผนที่แบบ GIS application mapping เหมาะสำหรับเป็นข้อมูลในการเฝ้าระวังดูแลรักษา การเจริญเติบโตของพืชในแปลงการเกษตรและประยุกต์ใช้คู่กับการฉีดพ่นสารเคมีในปริมาณที่เหมาะสมต่อความหนาแน่นของวัชพืชหรือโรคพืช พบว่า True RGB image maps at height of 10m by using D C (A), GIS application maps at height of 10m by using D C (B), near-infrared image maps at height of 10m by using NIR C (C) and GIS application maps at height of 10m by using NIR C (D) [4].
บทความโดย
รศ.ดร.เกรียงไกร แซมสีม่วง สาขาวิชาวิศวกรรมเกษตรอุตสาหกรรม ภาควิชาวิศวกรรมเกษตร คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเทคโนโลยีราชมงคลธัญบุรี
เอกสารอ้างอิง
[1] Swain, K. C., & Jayasuriya, H. P. W. (2007). Land-use suitability evaluation criteria for precision agriculture adoption in a moderately yielding soybean cropping area in Thailand. Asia-Pacific Journal of Rural Development, 17(1), 113–125.
[2] Tangwongkit, R., Salokhe, V. M., & Jayasuriya, H. P. W. (2006). Development of a real-time, variable rate herbicide applicator using machine vision for between-row weeding of sugarcane fields. The CIGR E-Journal, 8, 1–12.
[3] Samseemoung, G., Jayasuriya, H. P. W., & Soni, P. (2011). Oil palm pest infestation monitoring and evaluation by helicopter-mounted, low altitude remote sensing platform, Journal of Applied Remote Sensing, 5, 053540; doi:10.1117/1.3609843.
[4] Tillet, N. D., Marchant, J. A., & Hague, T. (1996). Autonomous plant scale crop protection, Abstracts of the International Conference on Agricultural Engineering, AgEng Madrid 96, Paper No. 96A-124, pp. 255–256.