รถตัดท่อนมันสัปปะหลัง
September 3, 2020
ล้อคัดท้ายผานไถกึ่งอัตโนมัติ
September 3, 2020

การประยุกต์ใช้เทคโนโลยีภาพถ่ายเชิงพื้นที่ด้วยกล้องมัลติสเปคตรัมสำหรับบริการจัดการปลูกไร่อ้อย

(Multispectral imaging technology in sugarcane cultivation)

อุตสาหกรรมอ้อยและน้ำตาลเป็นหนึ่งในอุตสาหกรรมแปรรูปสินค้าเกษตรที่สำคัญของประเทศไทย ซึ่งสร้างรายได้จากน้ำตาลและผลิตภัณฑ์ที่เกี่ยวข้องได้ถึง ปีละกว่า 250,000 ล้านบาท คิดเป็น สัดส่วนสูงถึงร้อยละ 21 ของ GDP ภาคเกษตร หรือ ร้อยละ 48 ของ GDP ภาคอุตสาหกรรมอาหาร ในปี พ.ศ. 2559 ไทยมีมูลค่าการส่งออกน้ำตาลและผลิตภัณฑ์สูงถึง 2,573.42 ล้านดอลลาร์ และ จัดเป็นสินค้าส่งออกสำคัญอันดับที่ 13 ของไทย และเป็นสินค้าส่งออกสำคัญอันดับ 3 ในกลุ่มสินค้าเกษตร รองจากยางพาราและข้าว[1] อย่างไรก็ตามสำหรับการปลูกและบริหารจัดการในอ้อยไร่ขนาดใหญ่ การใช้แรงงานคนจำนวนมาก ทำให้เกิดค่าใช้จ่ายสูง อีกทั้งไม่มีประสิทธิภาพในการจัดการปัญหาที่เกิดขึ้นได้ทันการณ์ ส่งผลต่อปริมาณผลผลผลิตที่ไม่สม่ำเสมอ จึงมีการนำเทคโนโลยีเข้ามาช่วยแก้ปัญหา

เทคโนโลยีการภาพถ่ายมัลติสเปคตรัม(multispectral imaging) ถูกนำมาใช้ในอย่างขว้างในการทำเกษตรแม่นยำ(Precision agriculture) โดยมีหลักการคือ การถ่ายภาพที่ย่านการสะท้อนต่างๆของคลื่น อาธิ ย่าน 400-700 นาโนเมตร หรือ ย่านที่ตามนุษย์มองเห็น(human visible spectrum) ย่านความยาวคลื่นที่สั้นกว่าแสงสีม่วง(ultraviolet) และ ย่านความยาวคลื่นที่ยาวกว่าแสงสีแดง(infrared) ดังภาพ 3.1(a) แสดงกล้องมัลคิสเปคตรัมที่รวมเซ็นเซอร์การรับภาพหลายย่านเข้าด้วยกัน เพื่อให้ได้ภาพถ่ายเชิงพื้นที่เพาะปลูก ก็จะนำตัวกล้องไปติดกับโดรนหรือเครื่องร่อนดังภาพ 3.1(b) เพื่อบินถ่ายภาพ

ภาพที่ 3.1(a) ส่วนประกอบของกล้องถ่ายภาพแบบมัลติสเปคตรัม(Multispectral camera)[1] (b) การติดตั้งกล้องมัลติสเปคตรัมกับโดรนเพื่อถ่ายภาพทางอากาศ[2]

โดยข้อมูลภาพที่ได้แต่ละย่านจะนำมาประมวณผล ดังตัวอย่างภาพ 3.2 แสดงผลลัพธ์การประมวลภาพชนิด NDVI (Normalized Difference Vegetation Index) ซึ่งใช้เป็นตัววิเคราะห์ ปริมาณใบในหนึ่งหน่วยพื้นที่(Leaf area index), ปริมาณความเข้มข้นของคอโรฟิลในใบพืชเพื่อบ่งบอกสุขภาพของพืช , ปริมาณมวลชีวภาพ(biomass)  ฯลฯ ทำให้เกษตรสามารถนำข้อมูลนี้ไปวางแผน จัดการไร่ได้เป็นต้น

ภาพ 3.2 ภาพทางเชิงพื้นที่ด้วยกล้องมัลติสเปกตรัมและตัวอย่างการประวมลผลภาพชนิด NDVI [2]

สำหรับอ้อยแล้วมีการประยุกต์ใช้เทคโนโลยีนี้อย่างแพร่หลาย ไม่ว่าจะเป็นการหาปริมาณสารอาหารที่สะสมในใบอ้อยโดยการสำรวจถ่ายด้วยกล้องมัลติสเปคตรัมแบบพกพาเปรียบกับภาพมัลติสเปรคตรัมจากดาวเทียม ในช่วงการรอบการปลูกอ้อย[4] หรือการถ่ายจากหุ่นยนต์บินเพื่อทำนายผลผลิตอ้อย[5] ซึ่งเป็นข้อมูลที่สำคัญที่ช่วยให้เกษตรกรวางแผนการปลูกได้อย่างมีประสิทธิภาพยิ่งขึ้น

 

 

ภาพ 3.3(a) ตัวอย่างการวิเคราะห์ปริมาณสารอาหารในใบอ้อยด้วยการใช้ภาพมัลติสเปคตรัม[3] (b) การทำนายผลผลิตฟาร์มอ้อยด้วยภาพมัลติสเปคตรัมโดยหุ่นยนต์บิน

 

บทความโดย

ดร.วิพุธ ตุวยานนท์ ภาควิชาวิศวกรรมเกษตร คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเทคโนโลยีราชมงคลธัญบุรี

เอกสารอ้างอิง

[1] https://www.bot.or.th/Thai/MonetaryPolicy/NorthEastern/Doclib_Seminar60/
41_Paper_SugarcanSugarca.pdf

[2] https://www.dji.com/p4-multispectral

[3] https://www.mapir.camera/collections/mounts/products/dji-mavic-pro-mapir-survey-3-single-camera-mount

[4] Lisboa, Izaias & Damian, Júnior & Cherubin, Maurício & Silva Barros, Pedro Paulo & Fiorio, Peterson & Cerri, Carlos & Cerri, Carlos Eduardo. (2018). Prediction of Sugarcane Yield Based on NDVI and Concentration of Leaf-Tissue Nutrients in Fields Managed with Straw Removal. 8. 10.3390/agronomy8090196.

[5] Shiba, Bhekumusa & Dlamini, Sabelo & Singwane, Saico. (2020). Remote Sensing for Sugarcane Crop Yield Estimation in Eswatini: Case of Lower Usuthu Smallholder Irrigation Project Sugarcane Farms. 19-27.

Comments are closed.