Original Title: IoT-Based Adaptive Lighting Framework for Optimizing Energy Efficiency and Crop Yield in Indoor Farming
Source: doi.org/10.3390/jsan14030059
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ក្របខ័ណ្ឌភ្លើងបំភ្លឺសម្របខ្លួនផ្អែកលើ IoT សម្រាប់បង្កើនប្រសិទ្ធភាពថាមពល និងទិន្នផលដំណាំក្នុងការដាំដុះក្នុងផ្ទះ

ចំណងជើងដើម៖ IoT-Based Adaptive Lighting Framework for Optimizing Energy Efficiency and Crop Yield in Indoor Farming

អ្នកនិពន្ធ៖ Nezha Kharraz (Doctoral School of Mechanical Engineering, Hungarian University of Agriculture and Life Sciences), András Revoly (Doctoral School of Mechanical Engineering, Hungarian University of Agriculture and Life Sciences), István Szabó (Institute of Mechanical Engineering, Hungarian University of Agriculture and Life Sciences)

ឆ្នាំបោះពុម្ព៖ 2025 J. Sens. Actuator Netw.

វិស័យសិក្សា៖ Smart Agriculture / Internet of Things (IoT)

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ឯកសារនេះផ្តោតលើការដោះស្រាយបញ្ហានៃការបង្កើនប្រសិទ្ធភាពប្រើប្រាស់ពន្លឺ (Light Use Efficiency - LUE) ដើម្បីបង្កើនទិន្នផលដំណាំអតិបរមា និងកាត់បន្ថយការប្រើប្រាស់ថាមពលនៅក្នុងការដាំដុះក្នុងអាគារ (Indoor Farming) ឆ្លើយតបទៅនឹងការប្រែប្រួលអាកាសធាតុ។

វិធីសាស្ត្រ (The Methodology)៖ អ្នកស្រាវជ្រាវបានបង្កើតប្រព័ន្ធគំរូ IoT សម្រាប់ការគ្រប់គ្រងពន្លឺដោយស្វ័យប្រវត្តិ ដែលរួមបញ្ចូលសេនស័រវាស់ស្ទង់ពេលវេលាជាក់ស្តែង អំពូល LED ឆ្លាតវៃ និងការវិភាគទិន្នន័យលើក្លោដ (Cloud-based Analytics)។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
IoT-Based Adaptive Lighting Framework
ប្រព័ន្ធភ្លើងបំភ្លឺសម្របខ្លួនផ្អែកលើ IoT
អាចកែសម្រួលអាំងតង់ស៊ីតេ និងវិសាលគមពន្លឺដោយស្វ័យប្រវត្តិតាមដំណាក់កាលលូតលាស់ជាក់ស្តែង ដែលជួយសន្សំសំចៃថាមពលបានខ្ពស់ និងមានល្បឿនឆ្លើយតបរហ័ស (ក្រោម ២ វិនាទី)។ ទាមទារការចំណាយដើមខ្ពស់ក្នុងការរៀបចំប្រព័ន្ធសេនស័រ បណ្តាញទំនាក់ទំនង និងហេដ្ឋារចនាសម្ព័ន្ធក្លោដ (Cloud) ព្រមទាំងត្រូវការអ្នកជំនាញបច្ចេកទេសដើម្បីថែទាំ។ ជួយបង្កើនប្រសិទ្ធភាពនៃការប្រើប្រាស់ថាមពលរហូតដល់ ២០% និងបង្កើនការលូតលាស់ទំហំស្លឹកបាន ១៥% បើធៀបនឹងប្រព័ន្ធធម្មតា។
Traditional Static Lighting Models
ម៉ូដែលភ្លើងបំភ្លឺថេរប្រពៃណី
មានភាពងាយស្រួលក្នុងការដំឡើង មិនស្មុគស្មាញផ្នែកប្រព័ន្ធសូហ្វវែរ និងមានការចំណាយដើមទាបក្នុងការរៀបចំដំបូង។ ខ្ជះខ្ជាយថាមពលច្រើននៅពេលដំណាំមិនត្រូវការលក្ខខណ្ឌពន្លឺខ្លាំង និងមិនអាចឆ្លើយតបទៅនឹងបំរែបំរួលបរិស្ថានជាក់ស្តែងបានទាន់ពេលវេលា។ ផ្តល់ទិន្នផល និងប្រសិទ្ធភាពថាមពលទាប ដោយសារការប្រើប្រាស់កម្រិតពន្លឺថេរ (Fixed PAR) ដែលមិនឆ្លើយតបនឹងការលូតលាស់នៃដំណាំ។
Ethernet vs Wi-Fi MQTT Communication
ការបញ្ជូនទិន្នន័យតាមរយៈខ្សែ Ethernet ធៀបនឹង Wi-Fi
Ethernet ផ្តល់នូវស្ថិរភាពខ្ពស់ និងមានល្បឿនបញ្ជូនលឿនជាង ខណៈដែល Wi-Fi ផ្តល់នូវភាពបត់បែនខ្ពស់ក្នុងការដំឡើងឧបករណ៍ដោយមិនមានភាពស្មុគស្មាញរឿងខ្សែ។ Wi-Fi អាចប្រឈមនឹងការពន្យារពេល (Latency) និងការដាច់សេវាបន្តិចបន្តួច ខណៈដែល Ethernet ត្រូវការរៀបចំប្រព័ន្ធខ្សែអគ្គិសនីញ៉ាំញ៉ៃនៅក្នុងទីតាំងដាំដុះ។ Ethernet មានល្បឿនឆ្លើយតបសរុបប្រមាណ 21.2ms និងអត្រាជោគជ័យ ៩៩% ខណៈ Wi-Fi មានល្បឿន 23.1ms និងអត្រាជោគជ័យត្រឹម ៩៥% (គ្មានការបញ្ជូនឡើងវិញ)។

ការចំណាយលើធនធាន (Resource Cost)៖ ការរៀបចំប្រព័ន្ធនេះតម្រូវឱ្យមានការវិនិយោគលើឧបករណ៍ផ្នែករឹង IoT កម្មវិធីវិភាគទិន្នន័យ ការរៀបចំប្រព័ន្ធ Cloud និងចំណេះដឹងផ្នែកកសិកម្ម-បច្ចេកវិទ្យា។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងមន្ទីរពិសោធន៍ក្នុងប្រទេសហុងគ្រី ដោយប្រើប្រាស់ពូជសាលាដ (Lettuce) តែមួយប្រភេទប៉ុណ្ណោះសម្រាប់ការសាកល្បង។ សម្រាប់ប្រទេសកម្ពុជា ការទាញយកលទ្ធផលនេះមកអនុវត្តផ្ទាល់អាចនឹងមានភាពខុសគ្នា ដោយសារបរិយាកាសខាងក្រៅក្តៅ និងសើមខ្លាំង ដែលទាមទារឱ្យប្រព័ន្ធត្រជាក់ (Cooling System) ដំណើរការខ្លាំងជាងមុន ក៏ដូចជាការឆ្លើយតបខុសគ្នានៃពូជដំណាំក្នុងស្រុកចំពោះកម្រិតពន្លឺ។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

ទោះបីជាយ៉ាងណាក៏ដោយ វិធីសាស្ត្រនៃការបំពាក់ប្រព័ន្ធ IoT នេះ ពិតជាមានសក្តានុពលខ្ពស់សម្រាប់ជួយជំរុញនវានុវត្តន៍ក្នុងវិស័យកសិកម្មនៅកម្ពុជា ជាពិសេសការដាំដុះក្នុងអាគារ។

ជារួម ការធ្វើសមាហរណកម្មបច្ចេកវិទ្យា IoT ជាមួយកសិកម្ម អាចជួយកម្ពុជាកាត់បន្ថយការពឹងផ្អែកទៅលើអាកាសធាតុទាំងស្រុង និងប្តូរទៅរកការផលិតចំណីអាហារដែលអាចគ្រប់គ្រងបាន ប្រកបដោយនិរន្តរភាព។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាមូលដ្ឋានគ្រឹះនៃឧបករណ៍ IoT និងសេនស័រ: ចាប់ផ្តើមរៀនប្រើប្រាស់បន្ទះ Raspberry Pi ឬម៉ៃក្រូកុងត្រូល័រតម្លៃថោកដូចជា Wemos D1 / ESP8266។ សាកល្បងភ្ជាប់វាជាមួយសេនស័រវាស់សីតុណ្ហភាព DHT22 និងសេនស័រវាស់ពន្លឺដើម្បីស្វែងយល់ពីរបៀបទាញយកទិន្នន័យពីបរិស្ថានជាក់ស្តែង។
  2. អនុវត្តការបញ្ជូនទិន្នន័យ (Data Communication Protocols): សិក្សា និងដំឡើងពិធីការទំនាក់ទំនងទិន្នន័យដូចជា MQTTHTTP ដើម្បីបញ្ជូនទិន្នន័យដែលទទួលបានពីសេនស័រទៅកាន់ Server ក្នុងតំបន់ (Local Broker) ឬសេវាកម្មក្លោដដូចជា Azure IoT Hub សម្រាប់ការតាមដានពេលវេលាជាក់ស្តែង។
  3. អភិវឌ្ឍជំនាញវិភាគរូបភាពដំណាំ (Computer Vision): រៀនសរសេរកូដដោយប្រើប្រាស់ភាសា Python រួមជាមួយបណ្ណាល័យ OpenCV និង PlantCV។ សាកល្បងចាប់យករូបភាពដំណាំតាមរយៈ Raspberry Pi Camera ហើយសរសេរកូដដើម្បីរាប់ចំនួនស្លឹក និងវាស់ទំហំផ្ទៃលូតលាស់របស់វា។
  4. បង្កើតប្រព័ន្ធគ្រប់គ្រងស្វ័យប្រវត្តិ (Closed-Loop Control System): សរសេរកម្មវិធីដើម្បីភ្ជាប់ទិន្នន័យសេនស័រ និងលទ្ធផលពីកាមេរ៉ា ទៅកាន់កុងតាក់បញ្ជា Relay Module។ រៀបចំលក្ខខណ្ឌ (Logic) ដើម្បីឲ្យប្រព័ន្ធអាចបន្ថយ ឬបន្ថែមពន្លឺអំពូល LED ដោយស្វ័យប្រវត្តិ នៅពេលដែលពន្លឺធ្លាក់ចុះក្រោមស្តង់ដារដែលបានកំណត់។
  5. សាងសង់គំរូសាកល្បងខ្នាតតូចជាមួយដំណាំក្នុងស្រុក: រៀបចំទូដាំដុះខ្នាតតូចមួយ (Miniature Indoor Farm) ហើយសាកល្បងដាំដំណាំសាមញ្ញដូចជា សាលាដ ឬស្ពៃចង្កឹះជាដើម។ ប្រមូលទិន្នន័យទាក់ទងនឹងការប្រើប្រាស់អគ្គិសនី និងល្បឿននៃការលូតលាស់ដើម្បីធ្វើការប្រៀបធៀបជាមួយការដាំដុះធម្មតា និងស្វែងរកចំណុចកែលម្អ។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Photosynthetically Active Radiation (PAR) វាជារង្វាស់នៃរលកពន្លឺជាក់លាក់ (ជាធម្មតាពី ៤០០ ទៅ ៧០០ ណាណូម៉ែត្រ) ដែលរុក្ខជាតិអាចស្រូបយកបានដើម្បីធ្វើរស្មីសំយោគ ទាញយកថាមពល និងលូតលាស់។ វាមិនវាស់ភាពភ្លឺធម្មតានោះទេ តែវាស់ថាតើពន្លឺនោះមានប្រយោជន៍កម្រិតណាសម្រាប់ដំណាំ។ ដូចជាការផ្តល់អាហារូបត្ថម្ភត្រឹមត្រូវដល់ក្មេងៗ ពន្លឺ PAR គឺជា "អាហារ" ដ៏មានជីវជាតិដែលរុក្ខជាតិត្រូវការដើម្បីធំធាត់ មិនមែនគ្រាន់តែជាពន្លឺភ្លឺចែងចាំងធម្មតានោះទេ។
Light Use Efficiency at Growth stage Canopy Level (LUEP) រង្វាស់នេះគណនាអំពីប្រសិទ្ធភាពដែលតំបន់ស្លឹករុក្ខជាតិអាចស្រូបយកពន្លឺដែលបានបញ្ចេញដោយអំពូល។ វាជួយឲ្យអ្នកស្រាវជ្រាវដឹងថា តើពន្លឺដែលជះទៅនោះត្រូវបានរុក្ខជាតិចាប់យកដើម្បីប្រើប្រាស់បានប៉ុន្មានភាគរយ ដើម្បីជៀសវាងការខ្ជះខ្ជាយថាមពល។ ដូចជាការចាក់ទឹកចូលក្នុងកែវ វាជារង្វាស់ដែលប្រាប់ថាតើទឹកប៉ុន្មានភាគរយចូលក្នុងកែវ (រុក្ខជាតិប្រើប្រាស់បាន) ហើយប៉ុន្មានភាគរយធ្លាក់ចេញក្រៅ។
Light Use Efficiency at Lamp Level (LUEL) ជារង្វាស់បង្ហាញពីសមាមាត្រនៃពន្លឺដែលអំពូល LED បានបញ្ចេញ ធៀបនឹងបរិមាណពន្លឺសរុបដែលបានរាយប៉ាយទៅដល់ផ្ទៃខាងលើរបស់ដំណាំពិតប្រាកដ។ វាវាស់ស្ទង់ពីការបាត់បង់ថាមពលពន្លឺនៅក្នុងចន្លោះអាកាសរវាងអំពូល និងដំណាំ។ ប្រៀបដូចជាការបាញ់ទឹកតាមទុយោ វាជារង្វាស់ថាតើទឹកដែលចេញពីក្បាលទុយោ (អំពូល) ទៅដល់គោលដៅ (ដំណាំ) ដោយមិនខ្ជះខ្ជាយតាមផ្លូវបានកម្រិតណា។
MQTT ជាពិធីការទំនាក់ទំនងទិន្នន័យ (Protocol) សម្រាប់ប្រព័ន្ធ IoT ដែលមានទំហំតូច និងស្រាល ប្រើសម្រាប់បញ្ជូនទិន្នន័យពីសេនស័រទៅកាន់ប្រព័ន្ធក្លោដ (Cloud) យ៉ាងលឿន និងមានស្ថិរភាព ទោះបីជាបណ្តាញអ៊ីនធឺណិតខ្សោយក៏ដោយ។ ដូចជាសេវាកម្មផ្ញើសារ Telegram សម្រាប់ម៉ាស៊ីននិងម៉ាស៊ីន ដែលអនុញ្ញាតឱ្យឧបករណ៍ផ្សេងៗនិយាយគ្នាបានលឿន និងមិនស៊ីអ៊ីនធឺណិតច្រើន។
Feedback control loop ជាប្រព័ន្ធស្វ័យប្រវត្តិដែលតែងតែអានទិន្នន័យជានិច្ច (ឧ. កម្រិតពន្លឺពីសេនស័រ) រួចយកទៅប្រៀបធៀបនឹងស្តង់ដារដែលបានកំណត់ ហើយបញ្ជាប្រព័ន្ធឱ្យធ្វើការកែតម្រូវភ្លាមៗ (ឧ. បន្ថែម ឬបន្ថយពន្លឺអំពូល) ដើម្បីរក្សាបរិស្ថានឱ្យនៅថេរ។ ដូចជាម៉ាស៊ីនត្រជាក់ក្នុងបន្ទប់ ដែលវាស់កម្តៅជានិច្ច ហើយវានឹងកាត់បន្ថយភាពត្រជាក់ដោយស្វ័យប្រវត្តិនៅពេលបន្ទប់ត្រជាក់ដល់កម្រិតដែលយើងចង់បាន។
Leaf Area Index (LAI) ជាសន្ទស្សន៍ដែលវាស់ទំហំផ្ទៃក្រឡាសរុបនៃស្លឹករុក្ខជាតិធៀបនឹងទំហំផ្ទៃដីដាំដុះ។ វាត្រូវបានប្រើដើម្បីប៉ាន់ស្មានការលូតលាស់នៃដំបូលស្លឹក (Canopy) ភាពក្រាស់នៃស្លឹក និងសមត្ថភាពប្រកួតប្រជែងស្រូបយកពន្លឺ។ ដូចជាការវាស់ទំហំនៃឆ័ត្រ ថាតើវាលាតសន្ធឹងបានធំប៉ុនណាដើម្បីអាចបាំងកម្តៅថ្ងៃ ឬទទួលទឹកភ្លៀងបានច្រើនកម្រិតណា។
Binary Thresholding ជាបច្ចេកទេសមួយក្នុងដំណើរការវិភាគរូបភាព (Image Processing) ដែលបំប្លែងរូបភាពពណ៌ទៅជារូបភាពស-ខ្មៅ (តម្លៃ Pixels 0 ឬ 1) ដើម្បីបំបែកទម្រង់ស្លឹករុក្ខជាតិចេញពីផ្ទៃខាងក្រោយ ធ្វើឱ្យកុំព្យូទ័រអាចគណនាទំហំស្លឹក និងចំនួនស្លឹកបានដោយស្វ័យប្រវត្តិ។ ដូចជាការកាត់ក្រដាសកាតុងតាមរាងរូបភាព ដើម្បីផ្តាច់យករូបភាពវត្ថុដែលយើងចង់បានចេញពីផ្ទាំងសាច់ខាងក្រោយរូប។
Photoperiod ជារយៈពេលសរុបនៃម៉ោងដែលមានពន្លឺ (ពន្លឺថ្ងៃ ឬពន្លឺសិប្បនិម្មិត) ក្នុងមួយថ្ងៃ (២៤ ម៉ោង) ដែលប្រព័ន្ធត្រូវបើកភ្លើងអោយរុក្ខជាតិទទួលបានសម្រាប់ការធ្វើរស្មីសំយោគ ការបញ្ជាការចេញផ្កា និងការលូតលាស់។ ដូចជាម៉ោងធ្វើការងាររបស់មនុស្សប្រចាំថ្ងៃ ជារយៈពេលដែលរុក្ខជាតិ "បើកទ្វារ" ធ្វើការស្រូបយកពន្លឺដើម្បីចម្អិនអាហារ និងលូតលាស់ដោយមិនហត់នឿយ។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖