Original Title: Autonomous mowing in agriculture: Current status, needs, and future opportunities
Source: doi.org/10.1016/j.atech.2026.101796
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការកាត់ស្មៅដោយស្វ័យប្រវត្តិក្នុងវិស័យកសិកម្ម៖ ស្ថានភាពបច្ចុប្បន្ន តម្រូវការ និងឱកាសនាពេលអនាគត

ចំណងជើងដើម៖ Autonomous mowing in agriculture: Current status, needs, and future opportunities

អ្នកនិពន្ធ៖ Nassim Bessaad (Central State University), Dhillon Rajveer (Central State University), Long He (Pennsylvania State University)

ឆ្នាំបោះពុម្ព៖ 2026

វិស័យសិក្សា៖ Agricultural Engineering / Robotics

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការកាត់ស្មៅនៅក្នុងចម្ការឈើហូបផ្លែ និងចម្ការទំពាំងបាយជូរ គឺជាការងារដែលចំណាយកម្លាំងពលកម្មច្រើន និងមានគ្រោះថ្នាក់លើដីមិនរាបស្មើ ខណៈដែលបច្ចេកវិទ្យាបច្ចុប្បន្នភាគច្រើនផ្តោតតែលើការកាត់ស្មៅតាមផ្ទះ ដែលមិនអាចប្រើប្រាស់បានពេញលេញក្នុងវិស័យកសិកម្ម។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះគឺជាការពិនិត្យឡើងវិញជាប្រព័ន្ធ (Systematic Review) លើឯកសារស្រាវជ្រាវ និងបច្ចេកវិទ្យារយៈពេល ១០ ឆ្នាំចុងក្រោយ ដើម្បីវិភាគពីនិន្នាការនៃការរចនារ៉ូបូត និងប្រព័ន្ធចាប់សញ្ញា។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
GNSS RTK Navigation
ការធ្វើនាវាចរណ៍ដោយប្រើប្រព័ន្ធផ្កាយរណបភាពច្បាស់ខ្ពស់
ផ្តល់នូវភាពជាក់លាក់ខ្ពស់ (កម្រិតសង់ទីម៉ែត្រ) និងមានភាពធន់នឹងការរំខានពីបរិស្ថានដូចជា ធូលី ឬភ្លៀង។ មានតម្លៃថ្លៃដោយសារត្រូវការស្ថានីយគោល (Base station) និងអាចបាត់បង់សេវាពេលនៅក្រោមដើមឈើធំៗ (Signal blockage)។ ល្អបំផុតសម្រាប់វាលស្រែចំហ ប៉ុន្តែជួបបញ្ហាក្នុងចម្ការឈើហូបផ្លែដែលមានម្លប់ក្រាស់។
LiDAR Sensing
ការចាប់សញ្ញាដោយប្រើឡាស៊ែរស្កេន 3D
អាចបង្កើតផែនទី 3D នៃបរិស្ថានបានយ៉ាងច្បាស់លាស់ និងចាប់យកឧបសគ្គតូចៗបានល្អដោយមិនអាស្រ័យលើពន្លឺ។ មានតម្លៃថ្លៃខ្ពស់ និងត្រូវការកម្លាំងកុំព្យូទ័រខ្លាំងដើម្បីដំណើរការទិន្នន័យ (Data processing)។ មានប្រសិទ្ធភាពខ្ពស់ក្នុងការរុករកក្នុងបរិស្ថានដែលមានឧបសគ្គច្រើន ប៉ុន្តែចំណាយដើមទុនច្រើន។
Vision-based Sensing (Cameras)
ការចាប់សញ្ញាដោយប្រើកាមេរ៉ា និង AI
មានតម្លៃសមរម្យ និងអាចផ្តល់ព័ត៌មានលម្អិតដូចជា ពណ៌ និងប្រភេទដំណាំ ដើម្បីញែករវាងស្មៅនិងដំណាំ។ ប្រសិទ្ធភាពធ្លាក់ចុះនៅពេលមានពន្លឺតិច ឬពន្លឺចាំងខ្លាំង និងត្រូវការការបង្វឹក AI (Training data) ច្រើន។ ជាបច្ចេកវិទ្យាដែលមានសក្តានុពលសម្រាប់កាត់បន្ថយថ្លៃដើម ប៉ុន្តែត្រូវការការអភិវឌ្ឍផ្នែក Software បន្ថែម។
Multitasking Platforms
រ៉ូបូតពហុមុខងារ (កាត់ស្មៅ, បាញ់ថ្នាំ, ដាក់ជី)
បង្កើនប្រសិទ្ធភាពសេដ្ឋកិច្ចដោយធ្វើការងារច្រើនក្នុងពេលតែមួយ និងកាត់បន្ថយចំនួនម៉ាស៊ីនដែលត្រូវទិញ។ មានភាពស្មុគស្មាញក្នុងការរចនា និងទាមទារថាមពលថ្មធំជាងម៉ាស៊ីនកាត់ស្មៅធម្មតា។ ជាទិសដៅអនាគតដ៏សំខាន់សម្រាប់កសិកម្មខ្នាតតូច និងមធ្យម ដើម្បីឱ្យមានផលចំណេញ។

ការចំណាយលើធនធាន (Resource Cost)៖ ការអភិវឌ្ឍ ឬប្រើប្រាស់ប្រព័ន្ធនេះទាមទារដើមទុនខ្ពស់លើផ្នែករឹង (Hardware) និងចំណេះដឹងបច្ចេកទេសកម្រិតខ្ពស់។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះផ្អែកលើការស្រាវជ្រាវ និងផលិតផលដែលមានភាគច្រើននៅប្រទេសអភិវឌ្ឍន៍ (អឺរ៉ុប និងអាមេរិក) ដែលផ្តោតលើទីធ្លាស្មៅរាបស្មើ ឬចម្ការដែលមានការរៀបចំរបៀបរៀបរយខ្ពស់។ នេះអាចជាចំណុចខ្វះចន្លោះនៅពេលអនុវត្តនៅកម្ពុជា ដែលដីកសិកម្មភាគច្រើនមិនទាន់មានការរៀបចំស្តង់ដារ និងមានស្ថានភាពដីមិនរាបស្មើ។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

បច្ចេកវិទ្យានេះមានសារៈសំខាន់ខ្លាំងសម្រាប់កម្ពុជាក្នុងការដោះស្រាយបញ្ហាកង្វះកម្លាំងពលកម្ម ប៉ុន្តែត្រូវការការកែសម្រួលលើតម្លៃ និងភាពធន់។

មានសក្តានុពលខ្ពស់សម្រាប់ចម្ការឈើហូបផ្លែខ្នាតមធ្យម និងធំ ប៉ុន្តែត្រូវចាប់ផ្តើមពីការរចនាដែលមានតម្លៃទាប និងងាយស្រួលថែទាំ។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. ជំហានទី ១: សិក្សាមូលដ្ឋានគ្រឹះនៃ Robot Operating System (ROS): និស្សិតគួរតែរៀនប្រើប្រាស់ ROS2 និង Gazebo ដើម្បីបង្កើតការពិសោធន៍និម្មិត (Simulation) នៃចលនាម៉ាស៊ីនកាត់ស្មៅមុននឹងបង្កើតផ្នែករឹង។
  2. ជំហានទី ២: ពិសោធន៍ជាមួយឧបករណ៍ចាប់សញ្ញាមានតម្លៃសមរម្យ: ចាប់ផ្តើមអនុវត្តលើការប្រើប្រាស់កាមេរ៉ា (ដូចជា Raspberry Pi Camera) សម្រាប់ចាប់យកពណ៌ស្មៅជំនួសឱ្យការប្រើ LiDAR ថ្លៃៗ។
  3. ជំហានទី ៣: អភិវឌ្ឍន៍ក្បួនដោះស្រាយ Path Planning: ផ្តោតលើការសរសេរកូដ Coverage Path Planning (CPP) ដែលមានប្រសិទ្ធភាពសម្រាប់ដីដែលមានរាងមិនទៀងទាត់ (Irregular shapes) ដូចជាដីស្រែនៅកម្ពុជា។
  4. ជំហានទី ៤: ការធ្វើតេស្តជាក់ស្តែងនៅកសិដ្ឋាន: សហការជាមួយកសិករក្នុងស្រុក (ដូចជាចម្ការស្វាយ ឬធុរេន) ដើម្បីសាកល្បងម៉ាស៊ីនតូចមួយ និងស្វែងយល់ពីបញ្ហាពិតប្រាកដនៃស្ថានភាពដី។
  5. ជំហានទី ៥: រចនាប្រព័ន្ធពហុមុខងារ (Multitasking): បន្ថែមមុខងារតូចមួយទៀតលើរ៉ូបូតកាត់ស្មៅ ដូចជាការបំពាក់ធុងបាញ់ថ្នាំតូចមួយ ដើម្បីបង្កើនតម្លៃសេដ្ឋកិច្ចដល់កសិករ។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
GNSS RTK បច្ចេកវិទ្យាកែតម្រូវប្រព័ន្ធកំណត់ទីតាំងផ្កាយរណប (GNSS) ដោយប្រើស្ថានីយគោលនៅលើដី ដើម្បីផ្តល់នូវភាពច្បាស់លាស់នៃទីតាំងក្នុងកម្រិតសង់ទីម៉ែត្រសម្រាប់រ៉ូបូត ដែលចាំបាច់សម្រាប់ការកាត់ស្មៅតាមជួរដំណាំ។ ដូចជាការមានមនុស្សម្នាក់ឈរចាំប្រាប់យើងពីកន្លែងដែលត្រូវដើរយ៉ាងលម្អិតគ្រប់ជំហាន ជំនួសឱ្យការគ្រាន់តែមើលផែនទីដែលមិនសូវច្បាស់។
LiDAR បច្ចេកវិទ្យាវាស់វែងដោយប្រើពន្លឺឡាស៊ែរ (Light Detection and Ranging) ដើម្បីបង្កើតផែនទី 3D នៃបរិស្ថាន និងស្វែងរកឧបសគ្គដោយវាស់រយៈពេលដែលពន្លឺចំណាយពេលទៅប៉ះវត្ថុហើយត្រឡប់មកវិញ។ ប្រៀបបាននឹងសត្វប្រចៀវដែលប្រើសំឡេងដើម្បីដឹងពីទីតាំងវត្ថុជុំវិញខ្លួន ប៉ុន្តែបច្ចេកវិទ្យានេះប្រើពន្លឺជំនួសវិញដើម្បីមើលឃើញក្នុងចម្ការ។
SLAM ពាក្យកាត់មកពី Simultaneous Localization and Mapping គឺជាដំណើរការដែលរ៉ូបូតបង្កើតផែនទីនៃកន្លែងថ្មីមួយ ហើយក្នុងពេលតែមួយ កំណត់ទីតាំងរបស់វានៅក្នុងផែនទីនោះដោយមិនត្រូវការ GPS។ ដូចជាពេលយើងចូលក្នុងបន្ទប់ងងឹតមួយ ហើយយើងចាប់ផ្តើមគូរផែនទីក្នុងចិត្តថាមានអ្វីខ្លះ និងដឹងថាយើងកំពុងឈរនៅត្រង់ណានៃបន្ទប់នោះ។
Coverage Path Planning វិធីសាស្ត្រគណិតវិទ្យាដើម្បីកំណត់ផ្លូវដើររបស់រ៉ូបូត ធ្វើយ៉ាងណាឱ្យវាអាចកាត់ស្មៅបានគ្រប់កន្លែងទាំងអស់ក្នុងវាលស្រែ ដោយចំណាយពេលតិចបំផុត និងមិនដើរជាន់កន្លែងដដែលៗ។ ដូចជាការផាត់ពណ៌លើរូបភាពមួយឱ្យពេញល្អ ដោយមិនបន្សល់ទុកចន្លោះពណ៌ស និងមិនផាត់ត្រួតកន្លែងដដែលច្រើនដង។
IMU ឧបករណ៍ចាប់សញ្ញា (Inertial Measurement Unit) ដែលវាស់ល្បឿន និងការបង្វិល ដើម្បីប្រាប់រ៉ូបូតថាវាកំពុងផ្អៀង ឡើងទួល ឬចុះចំណោតកម្រិតណា ដើម្បីការពារកុំឱ្យក្រឡាប់នៅតំបន់ដីមិនរាបស្មើ។ ដូចជាប្រព័ន្ធរក្សាលំនឹងនៅក្នុងត្រចៀកមនុស្ស ដែលជួយឱ្យយើងដឹងថាយើងកំពុងឈរត្រង់ ឬកំពុងផ្អៀងខ្លួន។
Geo-fencing ការបង្កើតរបងនិម្មិត (មើលមិនឃើញ) ដោយប្រើប្រព័ន្ធ GPS ដើម្បីកំណត់ព្រំដែនដែលរ៉ូបូតត្រូវបានអនុញ្ញាតឱ្យធ្វើការ និងរារាំងមិនឱ្យវាចេញក្រៅតំបន់សុវត្ថិភាព ឬចូលទៅកន្លែងហាមឃាត់។ ដូចជាការគូសរង្វង់នៅលើដី ហើយប្រាប់ក្មេងថាហាមដើរចេញក្រៅរង្វង់នេះ ប៉ុន្តែធ្វើឡើងដោយប្រព័ន្ធកុំព្យូទ័រដើម្បីគ្រប់គ្រងរ៉ូបូត។
Multitasking robots គំនិតនៃការរចនារ៉ូបូតដែលអាចផ្លាស់ប្តូរឧបករណ៍បាន ដើម្បីបំពេញការងារច្រើនប្រភេទ (ដូចជា កាត់ស្មៅផង បាញ់ថ្នាំផង ឬប្រមូលផលផង) នៅលើតួម៉ាស៊ីនតែមួយ។ ដូចជាគោយន្តដែលអាចយកទៅភ្ជួរស្រែក៏បាន ដឹកជញ្ជូនក៏បាន ឬបូមទឹកក៏បាន ដោយគ្រាន់តែប្តូរឧបករណ៍ភ្ជាប់ខាងក្រោយ។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖