បញ្ហា (The Problem)៖ កំណើនប្រជាជនសកលទាមទារឱ្យមានការបង្កើនការផលិតស្បៀងអាហារ ស្របពេលដែលធនធានធម្មជាតិមានកម្រិត។ ការដាំដុះដំឡូងបារាំងជួបប្រទះបញ្ហាប្រឈមជាច្រើនដូចជា ការគ្រប់គ្រងជំងឺ សត្វល្អិត ការប្រើប្រាស់ទឹក និងគុណភាពដី ដែលទាមទារឱ្យមានការអនុវត្តកសិកម្មប្រកបដោយភាពច្នៃប្រឌិត និងនិរន្តរភាព។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះធ្វើការពិនិត្យឡើងវិញយ៉ាងទូលំទូលាយអំពីការអនុវត្តបច្ចេកវិទ្យាបញ្ញាសិប្បនិម្មិត (AI) និងការរៀនដោយម៉ាស៊ីន (Machine Learning) ផ្សេងៗនៅក្នុងគ្រប់ដំណាក់កាលនៃការផលិតដំឡូងបារាំង។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Traditional Farming Methods & Statistical Models វិធីសាស្ត្រកសិកម្មតាមបែបប្រពៃណី និងម៉ូដែលស្ថិតិ |
ងាយស្រួលអនុវត្តសម្រាប់កសិករទូទៅ ដោយមិនទាមទារចំណេះដឹងផ្នែកបច្ចេកវិទ្យាខ្ពស់ ឬការវិនិយោគផ្នែកហិរញ្ញវត្ថុច្រើន។ | ខ្វះភាពច្បាស់លាស់ នាំឱ្យមានការខ្ជះខ្ជាយធនធាន (ទឹក និងជី) និងមានកម្រិតភាពត្រឹមត្រូវទាបក្នុងការទស្សន៍ទាយទិន្នផល។ | មានភាពត្រឹមត្រូវត្រឹមតែ ៨៧% ក្នុងការគ្រប់គ្រងប្រព័ន្ធស្រោចស្រព និងអត្រានៃការទស្សន៍ទាយទិន្នផលមានកម្រិតទាប (R2 ប្រហែល 0.37)។ |
| Machine Learning & Deep Learning Models (e.g., CNN-LSTM, XGBoost) ម៉ូដែលរៀនដោយម៉ាស៊ីន និងការរៀនស៊ីជម្រៅ (ឧ. CNN-LSTM, XGBoost) |
មានភាពត្រឹមត្រូវខ្ពស់បំផុតក្នុងការទស្សន៍ទាយទិន្នផល បង្កើនប្រសិទ្ធភាពការប្រើប្រាស់ទឹក និងជី ព្រមទាំងជួយកាត់បន្ថយការចំណាយក្នុងការផលិតយ៉ាងមានប្រសិទ្ធភាព។ | ទាមទារទិន្នន័យក្នុងបរិមាណច្រើន ជំនាញវិភាគទិន្នន័យកម្រិតខ្ពស់ និងការចំណាយខ្ពស់ក្នុងការរៀបចំប្រព័ន្ធដំបូង។ | សន្សំសំចៃទឹកបាន ៣១.៤% បង្កើនទិន្នផល ៨.១% និងមានអត្រាការទស្សន៍ទាយខុស (MAPE) ត្រឹមតែ ៥.៨៥% ប៉ុណ្ណោះ។ |
| Remote Sensing & IoT-based Systems ប្រព័ន្ធចាប់សញ្ញាពីចម្ងាយ និងប្រព័ន្ធអ៊ីនធឺណិតនៃវត្ថុ (IoT) |
អាចតាមដានសុខភាពដំណាំ កម្រិតសំណើមដី និងលក្ខខណ្ឌអាកាសធាតុបានទាន់ពេលវេលា (Real-time) ដើម្បីធ្វើការអន្តរាគមន៍បានលឿន។ | ត្រូវការការតភ្ជាប់អ៊ីនធឺណិតល្បឿនលឿន និងការពឹងផ្អែកលើឧបករណ៍ (ដូចជា ដ្រូន និងផ្កាយរណប) ដែលមិនសូវអំណោយផលសម្រាប់តំបន់ដាច់ស្រយាល។ | ប្រព័ន្ធគ្រប់គ្រងទឹកដោយប្រើ IoT (IEWM) សម្រេចបានភាពត្រឹមត្រូវរហូតដល់ ៩៨.៧% ក្នុងការស្រោចស្រព។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តបច្ចេកវិទ្យា AI ក្នុងវិស័យកសិកម្មទាមទារឱ្យមានការវិនិយោគខ្ពស់លើហេដ្ឋារចនាសម្ព័ន្ធបច្ចេកវិទ្យា ឧបករណ៍ចាប់សញ្ញា (Sensors) និងការបណ្តុះបណ្តាលជំនាញឌីជីថលសម្រាប់កសិករ។
ការសិក្សាភាគច្រើនត្រូវបានធ្វើឡើងនៅតាមប្រទេសអភិវឌ្ឍន៍ ឬប្រទេសដែលមានការផលិតដំឡូងបារាំងធំៗដូចជា ចិន អឺរ៉ុប (ប៉ូឡូញ) កាណាដា និងអេហ្ស៊ីប ដែលប្រើប្រាស់ទិន្នន័យពីកសិដ្ឋានពាណិជ្ជកម្មធំៗ។ លក្ខខណ្ឌអាកាសធាតុ ប្រភេទដី និងកម្រិតនៃការប្រើប្រាស់បច្ចេកវិទ្យានៅតំបន់ទាំងនេះមានភាពខុសគ្នាស្រឡះពីប្រទេសកម្ពុជា ដែលទាមទារឱ្យមានការប្រមូលទិន្នន័យក្នុងស្រុកបន្ថែម ដើម្បីធានាបាននូវភាពត្រឹមត្រូវនៃម៉ូដែល AI នៅពេលយកមកអនុវត្ត។
ថ្វីត្បិតតែការសិក្សានេះផ្តោតលើការដាំដុះដំឡូងបារាំង ប៉ុន្តែបច្ចេកវិទ្យា និងវិធីសាស្ត្រ AI ទាំងនេះមានសក្តានុពលខ្ពស់ក្នុងការយកមកកែច្នៃ និងអនុវត្តសម្រាប់ដំណាំយុទ្ធសាស្ត្រផ្សេងៗនៅប្រទេសកម្ពុជា។
សរុបមក ការសម្របបច្ចេកវិទ្យា AI មកប្រើប្រាស់ក្នុងបរិបទកម្ពុជានឹងទាមទារឱ្យមានការសហការរវាងរដ្ឋាភិបាល ស្ថាប័នស្រាវជ្រាវ និងវិស័យឯកជន ដើម្បីបង្កើតដំណោះស្រាយបច្ចេកវិទ្យាដែលមានតម្លៃសមរម្យ (Low-cost solutions) សម្រាប់កសិករខ្នាតតូច។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Machine learning (ML) | ជាអនុវិស័យមួយនៃបញ្ញាសិប្បនិម្មិត (AI) ដែលអនុញ្ញាតឱ្យកុំព្យូទ័ររៀនសូត្រពីទិន្នន័យចាស់ៗ ដើម្បីធ្វើការទស្សន៍ទាយ ឬសម្រេចចិត្តដោយស្វ័យប្រវត្តិដោយមិនចាំបាច់មានមនុស្សសរសេរកូដបញ្ជាគ្រប់ជំហាន។ នៅក្នុងកសិកម្ម គេប្រើបច្ចេកវិទ្យានេះដើម្បីវិភាគប្រវត្តិអាកាសធាតុនិងដី ដើម្បីទស្សន៍ទាយទិន្នផល និងរកមើលជំងឺរុក្ខជាតិទុកជាមុន។ | ដូចជាការបង្រៀនក្មេងឱ្យស្គាល់សត្វឆ្កែដោយបង្ហាញរូបភាពឆ្កែច្រើនៗ រហូតដល់ក្មេងនោះអាចចំណាំសត្វឆ្កែបានដោយខ្លួនឯងដោយមិនបាច់មានអ្នកប្រាប់។ |
| Normalised difference vegetation index (NDVI) | ជាសន្ទស្សន៍វាស់ស្ទង់សុខភាពរុក្ខជាតិដោយប្រើប្រាស់ទិន្នន័យរូបភាពពីដ្រូន ឬផ្កាយរណប ដែលវិភាគលើកម្រិតនៃការចាំងត្រឡប់ពន្លឺ (ពន្លឺមើលឃើញ និងពន្លឺអ៊ីនហ្វ្រារ៉េដជិត) ពីស្លឹករុក្ខជាតិ។ កម្រិត NDVI ខ្ពស់បញ្ជាក់ថារុក្ខជាតិមានការធ្វើរស្មីសំយោគបានល្អ និងមានសុខភាពបរិបូរណ៍។ | ដូចជាការប្រើម៉ាស៊ីនថតកាំរស្មីអ៊ិច (X-ray) ដើម្បីឆ្លុះមើលខាងក្នុងខ្លួនមនុស្សថាសុខភាពល្អឬអត់ ប៉ុន្តែនេះគឺសម្រាប់ថតមើលសុខភាពរុក្ខជាតិពីលើមេឃ។ |
| Variable rate application (VRA) | ជាបច្ចេកវិទ្យាកសិកម្មវៃឆ្លាតដែលអនុញ្ញាតឱ្យកសិករផ្លាស់ប្តូរបរិមាណនៃការប្រើប្រាស់ធាតុចូល (ដូចជា ជី ទឹក ឬថ្នាំសម្លាប់សត្វល្អិត) ដោយស្វ័យប្រវត្តិតាមតម្រូវការជាក់ស្តែងនៃទីតាំងនីមួយៗក្នុងចម្ការ ជាជាងការរាយវាប៉ាតក្នុងបរិមាណស្មើៗគ្នាលើផ្ទៃដីទាំងមូល។ | ដូចជាគ្រូពេទ្យផ្សំថ្នាំឱ្យអ្នកជំងឺតាមទម្ងន់ និងស្ថានភាពជំងឺជាក់ស្តែងរបស់អ្នកម្នាក់ៗ ជាជាងឱ្យថ្នាំមួយគ្រាប់ស្មើគ្នាទៅមនុស្សគ្រប់គ្នា។ |
| Internet of Things (IoT) | ជាប្រព័ន្ធបណ្តាញនៃឧបករណ៍រូបវន្ត (ដូចជាសេនស័រវាស់សំណើមដី ឬសីតុណ្ហភាព) ដែលត្រូវបានភ្ជាប់ទៅកាន់អ៊ីនធឺណិត ដើម្បីប្រមូល ផ្លាស់ប្តូរ និងបញ្ជូនទិន្នន័យទៅកាន់កុំព្យូទ័រ ឬទូរស័ព្ទដៃដោយស្វ័យប្រវត្តិសម្រាប់ការតាមដាន និងបញ្ជាប្រព័ន្ធស្រោចស្រពពីចម្ងាយ។ | ដូចជាការប្រែក្លាយឧបករណ៍ធម្មតាៗឱ្យមាន 'វិញ្ញាណ' អាចឆាតប្រាប់យើងពីចម្ងាយតាមទូរស័ព្ទដៃថាតើដីកំពុងស្ងួតត្រូវការទឹកឬអត់។ |
| Artificial neural networks (ANNs) | ជាប្រព័ន្ធក្បួនដោះស្រាយកុំព្យូទ័រ (Algorithms) ដែលត្រូវបានរចនាឡើងដោយត្រាប់តាមទម្រង់នៃបណ្តាញកោសិកាប្រសាទនៅក្នុងខួរក្បាលមនុស្ស ដើម្បីដោះស្រាយបញ្ហាស្មុគស្មាញ និងស្វែងរកទំនាក់ទំនងរវាងទិន្នន័យ។ ក្នុងឯកសារនេះ វាត្រូវបានប្រើដើម្បីទាយកម្រិតសំណើមដី និងវិភាគគុណភាពដំណាំ។ | ដូចជាការបង្កើត 'ខួរក្បាលសិប្បនិម្មិត' មួយនៅក្នុងកុំព្យូទ័រ ដែលចេះគិត និងចេះរៀនសូត្រពីបទពិសោធន៍ចាស់ៗដើម្បីដោះស្រាយចំណោទដែលពិបាកៗ។ |
| Soil electrical conductivity (EC) | ជារង្វាស់នៃសមត្ថភាពរបស់ដីក្នុងការចម្លងចរន្តអគ្គិសនី ដែលត្រូវបានប្រើប្រាស់ដើម្បីវាយតម្លៃលក្ខណៈសម្បត្តិរូបវន្តរបស់ដី ដូចជាកម្រិតសំណើម ភាពកំហាប់នៃរ៉ែ និងកម្រិតជីជាតិដី។ វាកាត់បន្ថយការចំណាយក្នុងការយកដីទៅពិសោធន៍នៅមន្ទីរពិសោធន៍។ | ដូចជាការដោតខ្សែភ្លើងតូចមួយចូលក្នុងដីដើម្បីស្ទាបស្ទង់មើលថា តើដីនោះមានផ្ទុកជាតិទឹកនិងសារធាតុចិញ្ចឹមច្រើនប៉ុនណាដោយមិនបាច់ជីកដីឡើងមកមើល។ |
| Leaf area index (LAI) | ជារង្វាស់ដែលបង្ហាញពីផ្ទៃក្រឡាសរុបនៃស្លឹករុក្ខជាតិក្នុងមួយឯកតាផ្ទៃដីដាំដុះ។ ប៉ារ៉ាម៉ែត្រនេះមានសារៈសំខាន់ខ្លាំងក្នុងការវាយតម្លៃពីកម្រិតនៃការស្រូបយកពន្លឺព្រះអាទិត្យ ការលូតលាស់របស់ដំណាំ និងការប៉ាន់ស្មានការហួតទឹកពីដី។ | ដូចជាការវាស់ទំហំ 'បន្ទះសូឡា' (ស្លឹក) របស់រុក្ខជាតិ ដើម្បីគណនាមើលថាវាអាចស្រូបពន្លឺព្រះអាទិត្យយកទៅផលិតជាថាមពល (ផ្លែ) បានច្រើនប៉ុនណា។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
