បញ្ហា (The Problem)៖ ឯកសារនេះដោះស្រាយបញ្ហាប្រឈមក្នុងការតាមដាន និងគ្រប់គ្រងកសិដ្ឋានខ្នាតធំដោយដៃ ដែលចំណាយពេលវេលាច្រើន និងខ្វះភាពច្បាស់លាស់ តាមរយៈការស្នើឡើងនូវប្រព័ន្ធតាមដានកសិកម្មឆ្លាតវៃ។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់វិធីសាស្ត្រអភិវឌ្ឍប្រព័ន្ធកសិកម្មច្បាស់លាស់ឈ្មោះថា Farmerly ដោយធ្វើការសាកល្បងផ្ទាល់នៅកសិដ្ឋានដាំស្លឹកត្រចៀកក្រាញ់ (Centella) ក្នុងប្រទេសវៀតណាម។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Random Forest (RF) ម៉ូដែល Random Forest (RF) |
មានសមត្ថភាពខ្ពស់ក្នុងការរៀនពីទិន្នន័យស្មុគស្មាញ និងកាត់បន្ថយបញ្ហា Overfitting ដែលធ្វើឱ្យការទស្សន៍ទាយមានភាពជាក់លាក់ខ្ពស់។ | ទាមទារទិន្នន័យច្រើន និងកម្លាំងម៉ាស៊ីន (Computing Power) ខ្ពស់បន្តិចក្នុងការបង្ហាត់ម៉ូដែលបើធៀបនឹងម៉ូដែលសាមញ្ញ។ | អាចទស្សន៍ទាយអាកាសធាតុត្រូវចំនួន ១០៨ លើ ១២០ ថ្ងៃ (ភាពត្រឹមត្រូវ ៩០%)។ |
| Logistic Regression (LR) ម៉ូដែល Logistic Regression (LR) |
សាមញ្ញ ងាយស្រួលយល់ និងមិនតម្រូវឱ្យមានធនធានកុំព្យូទ័រខ្ពស់ក្នុងការអនុវត្ត។ | មិនសូវមានប្រសិទ្ធភាពនៅពេលប្រើជាមួយទិន្នន័យអាកាសធាតុដែលមានទំនាក់ទំនងស្មុគស្មាញ និងមិនមែនជាបន្ទាត់ត្រង់ (Non-linear)។ | អាចទស្សន៍ទាយអាកាសធាតុត្រូវចំនួន ១០៥ លើ ១២០ ថ្ងៃ (ភាពត្រឹមត្រូវ ៨៧.៥%)។ |
| Traditional Manual Monitoring ការតាមដានកសិដ្ឋានដោយផ្ទាល់តាមបែបប្រពៃណី |
មិនត្រូវការការចំណាយលើប្រព័ន្ធបច្ចេកវិទ្យា និងងាយស្រួលសម្រាប់កសិករដែលមិនមានចំណេះដឹងផ្នែកឌីជីថល។ | ចំណាយពេលវេលា និងកម្លាំងពលកម្មច្រើន ហើយមិនអាចទស្សន៍ទាយហានិភ័យបរិស្ថានបានជាមុន។ | ចំណាយពេលច្រើនជាងការប្រើប្រាស់ប្រព័ន្ធ AR និង IoT រហូតដល់ទៅ ៨០% ក្នុងការតាមដាន និងធ្វើការសម្រេចចិត្ត។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអភិវឌ្ឍប្រព័ន្ធនេះទាមទារការវិនិយោគលើឧបករណ៍រឹង (Hardware) សេនស័រ និងប្រព័ន្ធក្លោដ (Cloud) ក្នុងកម្រិតមធ្យម តែមានអត្ថប្រយោជន៍ខ្ពស់ក្នុងការសន្សំសំចៃថាមពលអគ្គិសនីក្នុងរយៈពេលវែងតាមរយៈបណ្តាញ LoRaWAN។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅតំបន់កសិកម្ម Quang Tho ខេត្ត Thua Thien Hue នៃប្រទេសវៀតណាម ដោយផ្តោតលើដំណាំស្លឹកត្រចៀកក្រាញ់ (Centella) ដែលធន់នឹងអាកាសធាតុត្រូពិច និងងាយរងគ្រោះដោយទឹកជំនន់។ ដោយសារប្រទេសកម្ពុជាមានលក្ខខណ្ឌអាកាសធាតុ និងភូមិសាស្ត្រស្រដៀងគ្នាច្រើនទៅនឹងតំបន់នេះ ទិន្នន័យ និងវិធីសាស្ត្រនេះអាចយកមកកែសម្រួលប្រើប្រាស់នៅកម្ពុជាបានយ៉ាងងាយស្រួល។
វិធីសាស្ត្រនេះមានសក្តានុពលខ្ពស់ខ្លាំងក្នុងការយកមកអនុវត្តនៅប្រទេសកម្ពុជា ដើម្បីពន្លឿនការផ្លាស់ប្តូរទៅកាន់កសិកម្មឆ្លាតវៃ (Agriculture 4.0)។
ការដាក់បញ្ចូលបច្ចេកវិទ្យា IoT ជាមួយ AI និង AR នឹងជួយកាត់បន្ថយហានិភ័យនៃការខូចខាតដំណាំដោយសារបម្រែបម្រួលអាកាសធាតុ និងបង្កើនផលិតភាពកសិកម្មនៅកម្ពុជាប្រកបដោយភាពច្បាស់លាស់។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| LoRaWAN | ជាបច្ចេកវិទ្យាបណ្ដាញទំនាក់ទំនងឥតខ្សែដែលអនុញ្ញាតឱ្យឧបករណ៍សេនស័រ (Sensors) អាចបញ្ជូនទិន្នន័យបានក្នុងចម្ងាយឆ្ងាយ (រាប់គីឡូម៉ែត្រ) ដោយប្រើប្រាស់ថាមពលថ្មតិចតួចបំផុត ដែលស័ក្តិសមបំផុតសម្រាប់ការប្រើប្រាស់ក្នុងកសិដ្ឋានធំៗដែលគ្មានសេវាអ៊ីនធឺណិតគ្រប់គ្រាន់។ | ដូចជាការប្រើវិទ្យុទាក់ទង (Walkie-talkie) ដែលអាចបញ្ជូនសារបានឆ្ងាយៗកាត់វាលស្រែដោយមិនបាច់មានសេវាទូរសព្ទ ប៉ុន្តែសម្រាប់តែការផ្ញើសារខ្លីៗប៉ុណ្ណោះ។ |
| Augmented Reality | ជាបច្ចេកវិទ្យាដែលយកទិន្នន័យកុំព្យូទ័រ (ដូចជាអក្សរ តួលេខ ឬរូបភាព 3D) មកបង្ហាញត្រួតស៊ីគ្នាពីលើរូបភាពពិតៗនៃពិភពខាងក្រៅតាមរយៈកាមេរ៉ាទូរសព្ទដៃ ដើម្បីឱ្យកសិករអាចមើលឃើញព័ត៌មានអាកាសធាតុនិងកម្រិតសំណើមដីភ្លាមៗនៅលើទីតាំងដីផ្ទាល់។ | ដូចជាការពាក់វ៉ែនតាវេទមន្ត ឬការមើលតាមកាមេរ៉ាទូរសព្ទ ហើយឃើញតួលេខសីតុណ្ហភាពអណ្តែតនៅពីលើដើមរុក្ខជាតិ។ |
| Random Forest | ជាក្បួនដោះស្រាយ (Algorithm) នៃបញ្ញាសិប្បនិម្មិត ដែលបង្កើត "ដើមឈើសម្រេចចិត្ត" (Decision Trees) ជាច្រើនដើម ដើម្បីវិភាគទិន្នន័យអាកាសធាតុប្រវត្តិសាស្ត្រ រួចបោះឆ្នោតជ្រើសរើសចម្លើយរួមមួយដែលមានភាពត្រឹមត្រូវខ្ពស់បំផុតក្នុងការទស្សន៍ទាយអាកាសធាតុនាពេលអនាគត។ | ដូចជាការសួរសំណួរទៅកាន់ទីប្រឹក្សាជំនាញ ១០០ នាក់ផ្សេងៗគ្នា រួចយកចម្លើយដែលអ្នកជំនាញភាគច្រើនឆ្លើយដូចគ្នា ដើម្បីធ្វើការសម្រេចចិត្តចុងក្រោយ។ |
| Precision Agriculture | គឺជាវិធីសាស្ត្រគ្រប់គ្រងកសិដ្ឋានដោយប្រើប្រាស់បច្ចេកវិទ្យាទំនើបៗ (ដូចជា IoT និង AI) ដើម្បីវាស់ស្ទង់សីតុណ្ហភាព សំណើមដី និងតម្រូវការរបស់ដំណាំនីមួយៗយ៉ាងជាក់លាក់ ដើម្បីផ្តល់ទឹកនិងជីបានត្រឹមត្រូវ កាត់បន្ថយការខ្ជះខ្ជាយ និងបង្កើនទិន្នផលជារួម។ | ដូចជាការកាត់ខោអាវតម្រូវតាមទំហំខ្លួនអតិថិជនម្នាក់ៗ (Tailor-made) ជំនួសឱ្យការកាត់ខោអាវទំហំតែមួយសម្រាប់មនុស្សគ្រប់គ្នាស្លៀក។ |
| Edge computing | គឺជាការកែច្នៃ និងសម្អាតទិន្នន័យបឋមនៅនឹងកន្លែង (លើឧបករណ៍កសិដ្ឋានផ្ទាល់) មុននឹងបញ្ជូនទៅកាន់ប្រព័ន្ធ Cloud កណ្តាល ដែលជួយសន្សំសំចៃទំហំអ៊ីនធឺណិត និងបង្កើនល្បឿននៃការបញ្ជូនទិន្នន័យ។ | ដូចជាការរើសយកតែផ្លែឈើល្អៗទុក និងបោះចោលផ្លែស្អុយនៅឯចម្ការផ្ទាល់ មុននឹងដឹកជញ្ជូនយកទៅលក់នៅផ្សារ ដើម្បីសន្សំសំចៃសោហ៊ុយឡាន។ |
| Microcontroller | ជាបន្ទះឈីបកុំព្យូទ័រខ្នាតតូចដែលដើរតួជាខួរក្បាលបញ្ជាសម្រាប់ឧបករណ៍ IoT ក្នុងការប្រមូលទិន្នន័យពីសេនស័រ (ដូចជាសេនស័រសំណើមដី) ដំណើរការទិន្នន័យបឋម និងបញ្ជូនទិន្នន័យទាំងនោះទៅកាន់ប្រព័ន្ធគ្រប់គ្រងកណ្តាល។ | ដូចជាខួរក្បាលរបស់មនុស្សយន្តតូចមួយ ដែលចាំទទួលអារម្មណ៍ពីស្បែក (សេនស័រ) រួចរាយការណ៍ប្រាប់ទៅមេបញ្ជាការ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
