Original Title: Crop Nutrient Deficiency Observation and Diagnosis Prototype Program of Department of Agriculture (DOA-CropDOD)
Source: li01.tci-thaijo.org
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

កម្មវិធីគំរូសម្រាប់ការសង្កេត និងរោគវិនិច្ឆ័យកង្វះសារធាតុចិញ្ចឹមដំណាំ របស់នាយកដ្ឋានកសិកម្ម (DOA-CropDOD)

ចំណងជើងដើម៖ Crop Nutrient Deficiency Observation and Diagnosis Prototype Program of Department of Agriculture (DOA-CropDOD)

អ្នកនិពន្ធ៖ Sootin Claimon (Soil Science Division, Department of Agriculture)

ឆ្នាំបោះពុម្ព៖ 1992 Thai Agricultural Research Journal

វិស័យសិក្សា៖ Agricultural Technology

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការធ្វើរោគវិនិច្ឆ័យដោយការសង្កេតលើភាពមិនប្រក្រតី និងរោគសញ្ញានៃកង្វះសារធាតុចិញ្ចឹមរបស់ដំណាំសេដ្ឋកិច្ចនៅមានកម្រិត ដែលទាមទារឱ្យមានប្រព័ន្ធកុំព្យូទ័រជំនួយដើម្បីធ្វើឱ្យប្រសើរឡើងនូវការផ្តល់សេវាគ្លីនិកដំណាំដល់កសិករ។

វិធីសាស្ត្រ (The Methodology)៖ អ្នកស្រាវជ្រាវបានអភិវឌ្ឍកម្មវិធីកុំព្យូទ័រគំរូ (DOA-CropDOD) ដោយប្រើប្រាស់រចនាសម្ព័ន្ធមែកធាងសេចក្តីសម្រេចចិត្តផ្អែកលើទិន្នន័យរោគសញ្ញា។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Traditional Visual Diagnosis (Manual Manual/Book lookup)
ការធ្វើរោគវិនិច្ឆ័យដោយការសង្កេតផ្ទាល់ និងប្រើប្រាស់សៀវភៅណែនាំ
មិនតម្រូវឱ្យមានឧបករណ៍បច្ចេកវិទ្យា ឬប្រព័ន្ធកុំព្យូទ័រស្មុគស្មាញនោះទេ ហើយអាចអនុវត្តបានភ្លាមៗដោយអ្នកជំនាញក្សេត្រសាស្ត្រ។ ទាមទារបទពិសោធន៍ខ្ពស់ និងងាយនឹងមានកំហុស ឬភាពយឺតយ៉ាវប្រសិនបើធ្វើឡើងដោយបុគ្គលិកផ្សព្វផ្សាយដែលខ្វះជំនាញ។ អាចកំណត់រោគសញ្ញាបាន តែការពឹងផ្អែកលើការចងចាំ និងសៀវភៅធ្វើឱ្យការផ្តល់អនុសាសន៍មានភាពយឺតយ៉ាវ។
CropDOD Prototype (Decision Tree Expert System)
កម្មវិធីកុំព្យូទ័រគំរូ CropDOD (ប្រព័ន្ធអ្នកជំនាញផ្អែកលើមែកធាងសេចក្តីសម្រេចចិត្ត)
ជួយណែនាំអ្នកប្រើប្រាស់ជាជំហានៗដោយស្វ័យប្រវត្តិ ដែលធ្វើឱ្យអ្នកមិនសូវមានបទពិសោធន៍ក៏អាចធ្វើរោគវិនិច្ឆ័យបានត្រឹមត្រូវ និងលឿន។ ទាមទារឧបករណ៍កុំព្យូទ័រ និងប្រព័ន្ធប្រតិបត្តិការចាស់ (MS-DOS) ដែលហួសសម័យ ហើយទិន្នន័យនៅមានកម្រិតត្រឹមការសង្កេតទូទៅ។ អាចធ្វើរោគវិនិច្ឆ័យកង្វះសារធាតុចិញ្ចឹម (ដូចជា Nitrogen និង Phosphorus) បានត្រឹមត្រូវ និងបង្ហាញអនុសាសន៍បឋមនៅលើអេក្រង់បានយ៉ាងមានប្រសិទ្ធភាព។

ការចំណាយលើធនធាន (Resource Cost)៖ ដោយសារតែការស្រាវជ្រាវនេះត្រូវបានធ្វើឡើងនៅឆ្នាំ ១៩៩២ តម្រូវការធនធានកុំព្យូទ័រគឺជាជំនាន់ចាស់ខ្លាំង ប៉ុន្តែគោលការណ៍អាចយកមកអនុវត្តលើឧបករណ៍ទំនើបបច្ចុប្បន្នដោយចំណាយតិចបំផុត។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានបង្កើតឡើងដោយនាយកដ្ឋានកសិកម្មនៃប្រទេសថៃ ដោយពឹងផ្អែកលើទិន្នន័យរោគសញ្ញាដំណាំសេដ្ឋកិច្ចមួយចំនួន (ដូចជា ពោត និងសណ្តែក) ក្នុងបរិបទប្រទេសថៃ។ ទោះជាយ៉ាងណាក៏ដោយ ដោយសារកម្ពុជាមានលក្ខខណ្ឌអាកាសធាតុ ប្រភេទដី និងប្រភេទដំណាំសេដ្ឋកិច្ចស្រដៀងគ្នាខ្លាំង ទិន្នន័យ និងរចនាសម្ព័ន្ធតក្កវិជ្ជានេះអាចយកមកអនុវត្តនៅកម្ពុជាបានយ៉ាងមានប្រសិទ្ធភាព។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

ទោះបីជាបច្ចេកវិទ្យាក្នុងឯកសារនេះហួសសម័យ ក៏គំនិតនៃការបង្កើតប្រព័ន្ធអ្នកជំនាញ (Expert System) នេះមានអត្ថប្រយោជន៍ និងអាចអនុវត្តបានយ៉ាងល្អសម្រាប់វិស័យកសិកម្មនៅកម្ពុជា។

ការធ្វើទំនើបកម្មប្រព័ន្ធ CropDOD នេះទៅជាកម្មវិធីស្មាតហ្វូនដោយប្រើប្រាស់ភាសាខ្មែរ នឹងជួយដោះស្រាយបញ្ហាកង្វះខាតអ្នកជំនាញកសិកម្មនៅតាមសហគមន៍ជនបទបានយ៉ាងទូលំទូលាយ។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាពីរចនាសម្ព័ន្ធមែកធាងសេចក្តីសម្រេច (Decision Tree Flowchart): វិភាគលើគំនូសតាងលំហូរ (Flowchart) របស់កម្មវិធីដើម្បីស្វែងយល់ពីរបៀបដែលអ្នកជំនាញបែងចែករោគសញ្ញា ដោយចាប់ផ្តើមពីការសង្កេតមើលស្លឹកចាស់ (Older Leaves) ធៀបនឹងស្លឹកខ្ចី (Young Leaves) តាមលក្ខណៈរូបវន្ត។
  2. ប្រមូល និងធ្វើមូលដ្ឋានីយកម្មទិន្នន័យកសិកម្ម: ចងក្រងរូបភាព និងរោគសញ្ញានៃកង្វះសារធាតុចិញ្ចឹមលើដំណាំអាទិភាពនៅកម្ពុជា (ដូចជា ស្រូវ ដំឡូងមី និងស្វាយចន្ទី) ដោយបង្កើតជាតារាងទិន្នន័យ (Dataset) ជាភាសាខ្មែរ។
  3. ធ្វើទំនើបកម្មប្រព័ន្ធដោយប្រើបច្ចេកវិទ្យាថ្មី: ជំនួសការប្រើប្រាស់ TURBO PASCAL ដោយប្រើប្រាស់ភាសាសរសេរកម្មវិធីទំនើបដូចជា PythonFlutter/Dart ដើម្បីបង្កើតជាកម្មវិធីទូរស័ព្ទដៃ (Mobile Application) ដែលកសិករអាចប្រើប្រាស់បាន។
  4. សមាហរណកម្មបច្ចេកវិទ្យាបញ្ញាសិប្បនិម្មិត (AI Integration): ជំនួសឱ្យការជ្រើសរើសជម្រើសដោយដៃ (Manual Selection) និស្សិតអាចប្រើប្រាស់ Computer Vision និង Machine Learning (ដូចជា TensorFlow) ដើម្បីឱ្យប្រព័ន្ធអាចវិភាគរោគសញ្ញាដោយស្វ័យប្រវត្តិនៅពេលថតរូបស្លឹកដំណាំ។
  5. សាកល្បង និងវាយតម្លៃផ្ទាល់នៅវាលស្រែ (Field Testing): សហការជាមួយសហគមន៍កសិករ ឬមន្ទីរកសិកម្មខេត្ត ដើម្បីយកកម្មវិធីថ្មីនេះទៅសាកល្បងប្រើប្រាស់ផ្ទាល់នៅចម្ការ រួចប្រមូលមតិកែលម្អ (Feedback) ដើម្បីកែតម្រូវភាពត្រឹមត្រូវនៃការផ្តល់អនុសាសន៍។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Decision tree architecture ជារចនាសម្ព័ន្ធនៃការសរសេរកម្មវិធី ឬក្បួនដោះស្រាយបញ្ហា ដោយបំបែកជម្រើសជាជំហានៗ (ពីលើចុះក្រោម)។ ក្នុងបរិបទនេះ កម្មវិធីសួរសំណួរពីរោគសញ្ញាលើស្លឹក រួចបន្តទៅសំណួរបន្ទាប់ផ្អែកលើចម្លើយដែលជ្រើសរើស រហូតដល់រកឃើញប្រភេទសារធាតុចិញ្ចឹមដែលដំណាំកំពុងខ្វះ។ ដូចជាការលេងហ្គេមទាយឈ្មោះ ដោយសួរសំណួរ "បាទ/ទេ" ពីលក្ខណៈទូទៅទៅលក្ខណៈលម្អិត ម្តងមួយៗ រហូតដល់រកឃើញចម្លើយត្រឹមត្រូវ។
Visual diagnosis ដំណើរការកំណត់អត្តសញ្ញាណនៃបញ្ហា ឬជំងឺរបស់រុក្ខជាតិ ដោយពឹងផ្អែកលើការសង្កេតផ្ទាល់នឹងភ្នែកទៅលើភាពខុសប្រក្រតីនៃរូបរាង ដូចជាពណ៌ស្លឹក ឬការក្រិនរបស់ដើម ជាជាងការយកសំណាកទៅពិនិត្យក្នុងមន្ទីរពិសោធន៍។ ដូចជាគ្រូពេទ្យពិនិត្យមើលពណ៌ស្បែក និងភ្នែករបស់អ្នកជំងឺ ដើម្បីដឹងថាគាត់មានជំងឺលឿងធ្លាក់ថ្លើមឬអត់ ដោយមិនបាច់បូមឈាម។
Nutrient deficiency ស្ថានភាពដែលរុក្ខជាតិមិនទទួលបានបរិមាណសារធាតុរ៉ែចាំបាច់គ្រប់គ្រាន់ (ដូចជា អាសូត ផូស្វ័រ ឬប៉ូតាស្យូម) ពីក្នុងដី ដែលធ្វើឱ្យមានការលូតលាស់មិនប្រក្រតី និងបង្ហាញរោគសញ្ញាផ្សេងៗលើស្លឹកនិងដើម។ ដូចជាមនុស្សដែលខ្វះវីតាមីន ឬកាល់ស្យូម ដែលធ្វើឱ្យខ្សោយកម្លាំង ងាយឈឺ ឬលូតលាស់មិនបានល្អ។
Chlorosis ជារោគសញ្ញានៃកង្វះសារធាតុចិញ្ចឹម (ជាពិសេស អាសូត ឬម៉ាញេស្យូម) ដែលធ្វើឱ្យរុក្ខជាតិមិនអាចផលិតក្លរ៉ូហ្វីល (សារធាតុពណ៌បៃតង) បានគ្រប់គ្រាន់ បណ្តាលឱ្យស្លឹកប្រែទៅជាពណ៌លឿង ឬស្លេក។ ដូចជាមនុស្សដែលស្លេកស្លាំង വിളេកស വിളាំងដោយសារខ្វះគ្រាប់ឈាមក្រហម។
Necrosis ស្ថានភាពដែលកោសិកា ឬជាលិការបស់រុក្ខជាតិ (ជាញឹកញាប់នៅគែមស្លឹក ឬចុងស្លឹក) ត្រូវងាប់ និងប្រែជាពណ៌ត្នោត ឬខ្មៅស្ងួត ដោយសារតែកង្វះសារធាតុចិញ្ចឹមធ្ងន់ធ្ងរ ឬការពុលធាតុគីមីអ្វីមួយ។ ដូចជាស្បែកមនុស្សដែលខ្លោច ឬងាប់កោសិកាដោយសាររលាកភ្លើង។
Expert system ជាកម្មវិធីកុំព្យូទ័រដែលត្រូវបានបង្កើតឡើងដើម្បីផ្ទុកនូវចំណេះដឹង និងបទពិសោធន៍របស់អ្នកជំនាញ (ដូចជាអ្នកវិទ្យាសាស្ត្រកសិកម្ម) ក្នុងគោលបំណងជួយធ្វើការសម្រេចចិត្ត ឬដោះស្រាយបញ្ហាជំនួស ឬជួយសម្រួលដល់មនុស្សទូទៅដែលមិនមានជំនាញ។ ដូចជាមានសៀវភៅវេទមន្តដែលចេះឆ្លើយគ្រប់សំណួរ ដែលយើងអាចសុំយោបល់បានគ្រប់ពេលដោយមិនចាំបាច់ទៅជួបគ្រូផ្ទាល់។
Soil fertility index សូចនាករ ឬរង្វាស់ដែលបង្ហាញពីកម្រិតនៃភាពសម្បូរបែបនៃសារធាតុចិញ្ចឹមនៅក្នុងដីសម្រាប់ទ្រទ្រង់ការលូតលាស់របស់ដំណាំ។ ក្នុងឯកសារនេះ រោគសញ្ញាលើរាងកាយដំណាំត្រូវបានប្រើប្រាស់ជាសូចនាករបឋមដើម្បីវាយតម្លៃជីជាតិដី។ ដូចជាពិន្ទុនៅលើកាតរបាយការណ៍សាលា ដែលប្រាប់យើងថាសិស្សម្នាក់ពូកែ ឬខ្សោយកម្រិតណា។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖