បញ្ហា (The Problem)៖ ការវាយតម្លៃតម្លៃផ្លែដូងប្រេង (Elaeis guineensis) គឺពឹងផ្អែកលើបរិមាណប្រេង ប៉ុន្តែបច្ចុប្បន្នមិនទាន់មានវិធីសាស្ត្រវាស់វែងដែលលឿន គួរឱ្យទុកចិត្ត និងមិនបំផ្លាញផ្លែនៅឡើយទេ។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានស្នើឡើងនូវបច្ចេកទេសវាស់ស្ទង់ដោយរលកសំឡេងអ៊ុលត្រាសោន (Ultrasonic Transmission Mode) រួមផ្សំជាមួយម៉ូដែលបញ្ញាសិប្បនិម្មិតដើម្បីទស្សន៍ទាយបរិមាណប្រេង។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Feedforward Neural Network (FNN) បណ្ដាញសរសៃប្រសាទសិប្បនិម្មិត (Feedforward Neural Network - FNN) |
មានកម្រិតកំហុស (RMSE និង MAE) ទាបជាងតម្រែតម្រង់ពហុធា ដែលបង្ហាញពីភាពសុក្រឹតខ្ពស់ក្នុងការទស្សន៍ទាយបរិមាណប្រេង។ វាមានសមត្ថភាពចាប់យកទំនាក់ទំនងស្មុគស្មាញរវាងកម្រិតថយចុះនៃរលកសំឡេង និងបរិមាណប្រេង។ | មានតម្លៃប្រព័ន្ធទំនាក់ទំនង (Correlation coefficient - R) ទាបជាងម៉ូដែលតម្រែតម្រង់ពហុធាបន្តិច (០,៨៨៩១ ធៀបនឹង ០,៩២៩៥)។ ត្រូវការពេលវេលា និងទិន្នន័យគ្រប់គ្រាន់ដើម្បីបង្ហាត់ម៉ូដែល។ | ទទួលបានកម្រិតកំហុស RMSE = ៥,៨៦៧២ និង MAE = ៣,៤៧៣១ សម្រាប់ការធ្វើតេស្តទិន្នន័យ។ |
| Second-order Polynomial Regression តម្រែតម្រង់ពហុធាលំដាប់ទីពីរ (Second-order Polynomial Regression) |
ជាវិធីសាស្ត្រគណិតវិទ្យាសាមញ្ញ ងាយស្រួលក្នុងការគណនា បកស្រាយ និងមានតម្លៃ R ខ្ពស់ (០,៩២៩៥)។ | មានកម្រិតកំហុស (RMSE និង MAE) ខ្ពស់ជាង FNN ដែលធ្វើឱ្យភាពសុក្រឹតនៃការទស្សន៍ទាយជាក់ស្តែងមានកម្រិតទាបជាង។ | ទទួលបានកម្រិតកំហុស RMSE = ៧,៣២៥៣ និង MAE = ៥,៨៥៦៥ សម្រាប់ការធ្វើតេស្តទិន្នន័យ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តវិធីសាស្ត្រនេះទាមទារឧបករណ៍វាស់ស្ទង់អ៊ុលត្រាសោន កម្មវិធីបំប្លែងទិន្នន័យ និងកុំព្យូទ័រសម្រាប់វិភាគទិន្នន័យ។
ការសិក្សានេះត្រូវបានធ្វើឡើងដោយប្រើប្រាស់ផ្លែដូងប្រេងពូជ Elaeis guineensis Jacq. var. tenera ដែលប្រមូលពីខេត្តសុងក្លា ប្រទេសថៃ ជាមួយនឹងសំណាកត្រឹមតែ ៣៦ ផ្លែប៉ុណ្ណោះ។ សម្រាប់កម្ពុជា ទិន្នន័យនេះប្រហែលជាមិនទាន់តំណាងឱ្យពូជដូងប្រេង លក្ខខណ្ឌដី និងអាកាសធាតុជាក់លាក់នៅតាមតំបន់នានាក្នុងប្រទេសកម្ពុជាឡើយ ហេតុនេះការប្រមូលទិន្នន័យបន្ថែមក្នុងស្រុកគឺជារឿងចាំបាច់។
បច្ចេកទេសនេះមានសក្តានុពលខ្ពស់សម្រាប់អនុវត្តនៅក្នុងវិស័យកសិ-ឧស្សាហកម្មដូងប្រេងនៅប្រទេសកម្ពុជា ដោយសារវាជាវិធីសាស្ត្រមិនបំផ្លាញផ្លែ (Nondestructive) និងផ្តល់លទ្ធផលរហ័ស។
ជារួម បច្ចេកវិទ្យានេះអាចជួយជំរុញឱ្យមានការជួញដូរផ្លែដូងប្រេងប្រកបដោយភាពយុត្តិធម៌ និងប្រសិទ្ធភាពខ្ពស់នៅកម្ពុជា ជាពិសេសប្រសិនបើវាត្រូវបានអភិវឌ្ឍទៅជាឧបករណ៍តូចចល័ត (Portable device) នាពេលអនាគត។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Ultrasonic attenuation (ការថយចុះថាមពលនៃរលកអ៊ុលត្រាសោន) | ដំណើរការដែលរលកសំឡេងបាត់បង់ថាមពល (ឬថយទំហំ Amplitude) ពេលវាកំពុងធ្វើដំណើរឆ្លងកាត់អង្គធាតុណាមួយ (ដូចជាផ្លែដូងប្រេង) ដោយសារការស្រូបយក និងការខ្ចាត់ខ្ចាយនៃរលកសំឡេង។ ក្នុងឯកសារនេះ កម្រិតនៃការថយចុះថាមពលរលកមានទំនាក់ទំនងផ្ទាល់ទៅនឹងបរិមាណប្រេងដែលមានក្នុងផ្លែ។ | ដូចជាពន្លឺពិលដែលភ្លឺខ្សោយទៅៗ ពេលយើងបញ្ចាំងវាឆ្លងកាត់ទឹកល្អក់ឬវត្ថុក្រាស់។ |
| Soxhlet extraction (ការទាញយកសារធាតុដោយវិធីសាស្ត្រសុក្លែត) | ជាវិធីសាស្ត្រគីមីស្តង់ដារមួយក្នុងមន្ទីរពិសោធន៍ ប្រើសម្រាប់ទាញយកសមាសធាតុផ្សំ (ដូចជាប្រេងឬខ្លាញ់) ពីវត្ថុរឹងដោយប្រើសារធាតុរំលាយ (Solvent) ជាបន្តបន្ទាប់។ វាតម្រូវឱ្យកម្ទេចសំណាក និងចំណាយពេលយូរក្នុងការទាញយកប្រេងឱ្យអស់ពីសាច់ដូងប្រេង។ | ដូចជាការឆុងកាហ្វេដោយឱ្យទឹកក្តៅហូរចុះឡើងកាត់ម្សៅកាហ្វេម្តងហើយម្តងទៀតរហូតដល់អស់ជាតិ ប៉ុន្តែគេប្រើសារធាតុគីមីដើម្បីទាញយកប្រេងជំនួសវិញ។ |
| Feedforward Neural Network - FNN (បណ្ដាញសរសៃប្រសាទសិប្បនិម្មិតបញ្ជូនទៅមុខ) | ជាប្រភេទនៃម៉ូដែលបញ្ញាសិប្បនិម្មិត (AI) ដែលដំណើរការទិន្នន័យក្នុងទិសដៅតែមួយ ពីស្រទាប់បញ្ចូល (Input) ឆ្លងកាត់ស្រទាប់កណ្តាល (Hidden layer) ទៅកាន់ស្រទាប់បញ្ចេញលទ្ធផល (Output) ដោយគ្មានការត្រលប់ថយក្រោយ ដើម្បីស្វែងរកទំនាក់ទំនងស្មុគស្មាញនៃទិន្នន័យ (រវាងរលកសំឡេងនិងបរិមាណប្រេង)។ | ដូចជាខ្សែសង្វាក់ផលិតកម្មក្នុងរោងចក្រ ដែលវត្ថុធាតុដើមត្រូវឆ្លងកាត់ដំណាក់កាលនីមួយៗតាមលំដាប់លំដោយរហូតក្លាយជាផលិតផលសម្រេច ដោយមិនអាចថយក្រោយបានឡើយ។ |
| Root Mean Square Error - RMSE (ឬសនៃមធ្យមការ៉េនៃកំហុស) | ជារង្វាស់ស្តង់ដារមួយក្នុងមុខវិជ្ជាស្ថិតិ ប្រើសម្រាប់វាស់ស្ទង់កម្រិតខុសគ្នារវាងតម្លៃដែលម៉ូដែលបានទស្សន៍ទាយ និងតម្លៃជាក់ស្តែង។ តម្លៃ RMSE កាន់តែតូច បង្ហាញថាម៉ូដែលនោះអាចទស្សន៍ទាយបានកាន់តែសុក្រឹត។ | ដូចជាការវាស់ចម្ងាយសរុបនៃគ្រាប់ព្រួញនីមួយៗដែលអ្នកបានបាញ់ខុសពីចំណុចកណ្តាលនៃផ្ទាំងស៊ីប ដើម្បីដឹងថាអ្នកបាញ់បានច្បាស់កម្រិតណា។ |
| Polynomial regression (តម្រែតម្រង់ពហុធា) | ជាវិធីសាស្ត្រវិភាគស្ថិតិដែលបង្កើតទម្រង់សមីការគណិតវិទ្យា (ជាទម្រង់ខ្សែខ្សែកោង) ដើម្បីបង្ហាញពីទំនាក់ទំនងរវាងអថេរឯករាជ្យ (កម្រិតថយចុះនៃរលកអ៊ុលត្រាសោន) និងអថេរអាស្រ័យ (បរិមាណប្រេង) ដើម្បីទស្សន៍ទាយលទ្ធផល។ | ដូចជាការគូសខ្សែបន្ទាត់កោងមួយឱ្យកាត់ចំ ឬកៀកបំផុតទៅនឹងចំណុចពិន្ទុជាច្រើននៅលើក្រាហ្វ ដើម្បីរកមើលនិន្នាការនៃការប្រែប្រួល។ |
| Fast Fourier algorithm (ក្បួនដោះស្រាយហ្វូរីយេលឿន) | ជារូបមន្តគណិតវិទ្យាដែលប្រើសម្រាប់បំប្លែងទិន្នន័យសញ្ញារលកក្នុងទម្រង់ពេលវេលា (Time-domain) ឱ្យទៅជាទិន្នន័យក្នុងទម្រង់ប្រេកង់ (Frequency-domain) ដើម្បីងាយស្រួលក្នុងការទាញយកតម្លៃថាមពលនៃប្រេកង់នីមួយៗ (ឧទាហរណ៍ 40 kHz) យកមកវិភាគ។ | ដូចជាការបំបែកបទភ្លេងមួយដែលកំពុងលេងឧបករណ៍ចូលគ្នាឡូកឡំ ឱ្យទៅជាសំឡេងឧបករណ៍ភ្លេងនីមួយៗដាច់ដោយឡែកពីគ្នា (ហ្គីតា ស្គរ ព្យាណូ) ដើម្បីងាយស្រួលស្តាប់កម្រិតសំឡេងនីមួយៗ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
