Original Title: A Simulation for Irrigated Sugarcane by using Fuzzy Logic Controller
Source: doi.org/10.14456/thaidoa-agres.2023.8
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការក្លែងធ្វើប្រព័ន្ធស្រោចស្រពអំពៅដោយប្រើប្រាស់ឧបករណ៍បញ្ជា Fuzzy Logic

ចំណងជើងដើម៖ A Simulation for Irrigated Sugarcane by using Fuzzy Logic Controller

អ្នកនិពន្ធ៖ Tinnasit Kaisinburasak (Agricultural Engineering Research Institute, Department of Agriculture), Prasat Sangphanta (Agricultural Engineering Research Institute, Department of Agriculture), Puttinun Jaruwat, Mongkol Tunhaw, Nirut Boonya, Ratchada Pratcharoenwanich, Anucha Chaochot, Anusorn Tiensiriroek, Kunthakorn Khaothong, Manop Kuntamarus

ឆ្នាំបោះពុម្ព៖ 2023, Thai Agricultural Research Journal

វិស័យសិក្សា៖ Agricultural Engineering

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការដាំដុះអំពៅជាទូទៅពឹងផ្អែកលើទឹកភ្លៀង ប៉ុន្តែដោយសារការធ្លាក់ភ្លៀងមិនទៀងទាត់ ទើបតម្រូវឱ្យមានប្រព័ន្ធស្រោចស្រពដើម្បីកែលម្អទិន្នផល។ បញ្ហាប្រឈមគឺការវាយតម្លៃតម្រូវការទឹកដោយកម្លាំងពលកម្មមនុស្សជារឿយៗមិនសូវមានភាពសុក្រឹតនិងទាមទារពេលវេលាច្រើន។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានប្រើប្រាស់ទ្រឹស្តី Fuzzy Set ដើម្បីរចនាឧបករណ៍បញ្ជា និងក្លែងធ្វើប្រព័ន្ធស្រោចស្រពទឹកបន្តក់ដោយស្វ័យប្រវត្តិ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Fuzzy Logic Controller via MATLAB Simulink
ការក្លែងធ្វើប្រព័ន្ធបញ្ជា Fuzzy Logic តាមរយៈកម្មវិធី MATLAB Simulink
អាចធ្វើស្វ័យប្រវត្តិកម្មក្នុងការវាយតម្លៃរយៈពេលនៃការបើកម៉ាស៊ីនបូមទឹកបានយ៉ាងជាក់លាក់ ដោយគិតគូរទាំងសំណើមដីនិងសំណើមខ្យល់ក្នុងពេលតែមួយ។ កាត់បន្ថយការពឹងផ្អែកលើកម្លាំងពលកម្មមនុស្សក្នុងការសម្រេចចិត្ត។ ទាមទារចំណេះដឹងផ្នែកបច្ចេកទេសកម្រិតខ្ពស់ក្នុងការចងក្រងក្បួន (Fuzzy rules) និងកំណត់សមាជិកភាព (Membership functions)។ ពឹងផ្អែកទាំងស្រុងទៅលើភាពសុក្រឹតរបស់ឧបករណ៍ចាប់សញ្ញា (Sensors)។ ផ្តល់លទ្ធផលរយៈពេលនៃការស្រោចស្រពប្រហាក់ប្រហែលគ្នាបេះបិទទៅនឹងការគណនាដោយមនុស្ស ហើយប្រព័ន្ធដំណើរការបានយ៉ាងត្រឹមត្រូវតាមគោលដៅដែលបានកំណត់។
Human Expert Calculation (Based on Soil Moisture)
ការគណនាដោយអ្នកជំនាញ (ផ្អែកលើកម្រិតសំណើមដី)
ជាវិធីសាស្រ្តដែលអាចទុកចិត្តបានខ្ពស់ ដោយប្រើប្រាស់ការវាស់វែងជាក់ស្តែង និងបទពិសោធន៍ផ្ទាល់របស់អ្នកជំនាញកសិកម្មក្នុងការវាយតម្លៃកម្រិត AWC (Available Water Capacity)។ ចំណាយពេលវេលាច្រើន ទាមទារកម្លាំងពលកម្មក្នុងការចុះវាស់វែងផ្ទាល់ជាប្រចាំ និងមិនអាចតាមដានការប្រែប្រួលអាកាសធាតុរាល់វិនាទីបានឡើយ។ ត្រូវបានប្រើជាគោលដ្ឋាន (Baseline) ដែលបង្ហាញថារយៈពេលនៃការស្រោចស្រពមិនមានភាពខុសគ្នាជាដុំកំភួនពីម៉ាស៊ីននោះទេ នៅកម្រិតទំនុកចិត្ត ៩៥% (p-value = 0.07)។

ការចំណាយលើធនធាន (Resource Cost)៖ ការអភិវឌ្ឍប្រព័ន្ធនេះតម្រូវឱ្យមានការវិនិយោគលើកម្មវិធីកុំព្យូទ័រសម្រាប់ចងក្រងក្បួន និងឧបករណ៍ផ្នែករឹងដើម្បីប្រមូលទិន្នន័យពីបរិស្ថានជាក់ស្តែង។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងនៅមជ្ឈមណ្ឌលស្រាវជ្រាវកសិកម្មខេត្តនគររាជសីមា ប្រទេសថៃ ដោយផ្តោតលើអំពៅពូជ 'ខនកែន ៣' លើប្រភេទដី 'កូរ៉ាត' (Korat soil series)។ សម្រាប់ប្រទេសកម្ពុជា ទោះបីជាមានលក្ខខណ្ឌអាកាសធាតុប្រហាក់ប្រហែលគ្នាក៏ដោយ ក៏ការយកមកអនុវត្តជាក់ស្តែងទាមទារឱ្យមានការសិក្សាវាស់វែងឡើងវិញនូវកម្រិតសំណើមដីគោល (FC និង PWP) ឱ្យស្របទៅតាមប្រភេទដី និងពូជដំណាំក្នុងស្រុក។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្រ្តនេះមានសក្តានុពលខ្ពស់ក្នុងការជំរុញការអភិវឌ្ឍវិស័យកសិកម្មឆ្លាតវៃ (Smart Agriculture) នៅក្នុងប្រទេសកម្ពុជា។

ការធ្វើសមាហរណកម្មបច្ចេកវិទ្យានេះនឹងជួយផ្លាស់ប្តូរទម្លាប់ពីការស្រោចស្រពតាមការស្មាន ឬការប្រើកម្លាំងមនុស្ស មកជាការស្រោចស្រពផ្អែកលើទិន្នន័យជាក់ស្តែង (Data-driven irrigation)។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាមូលដ្ឋានគ្រឹះនៃតក្កវិទ្យាស្រពិចស្រពិល និងកសិកម្ម: ស្វែងយល់ពីគោលការណ៍ Fuzzy Logic (Fuzzification, IF-THEN rules, Defuzzification) ព្រមទាំងរៀនពីរបៀបគណនាសំណើមដីកសិកម្មដូចជា Field Capacity (FC) និង Available Water Capacity (AWC)
  2. អនុវត្តការក្លែងធ្វើក្បួន (Simulation) លើកុំព្យូទ័រ: ដំឡើងកម្មវិធី MATLAB ហើយប្រើប្រាស់ Simulink និង Fuzzy Logic Toolbox ដើម្បីសាកល្បងបង្កើត Input (សំណើមដី, សំណើមខ្យល់) និង Output (រយៈពេលបើកម៉ាស៊ីនបូមទឹក) ដោយប្រើប្រាស់ច្បាប់ Mamdani Inference
  3. ប្រមូលទិន្នន័យពីចម្ការជាក់ស្តែង: ទិញឧបករណ៍វាស់សំណើមដី និងអាកាសធាតុ (ឧ. Soil Moisture Sensor) យកទៅដោតក្នុងដីចម្ការសាកល្បងរបស់អ្នក ដើម្បីប្រមូលទិន្នន័យពិតប្រាកដប្រចាំសប្តាហ៍ ទុកជាទិន្នន័យសម្រាប់ផ្ទៀងផ្ទាត់។
  4. អភិវឌ្ឍប្រព័ន្ធគំរូខ្នាតតូច (Hardware Prototype): តភ្ជាប់ឧបករណ៍ Sensor ទៅកាន់ Microcontroller ដូចជា ArduinoRaspberry Pi រួចសរសេរកូដបញ្ចូលក្បួន Fuzzy Logic ដែលបានតេស្តជោគជ័យ ដើម្បីបញ្ជាម៉ាស៊ីនបូមទឹកខ្នាតតូចដោយស្វ័យប្រវត្តិ។
  5. វាយតម្លៃកម្រិតលម្អៀង និងកែតម្រូវ (Tuning): ប្រៀបធៀបបរិមាណទឹកដែលប្រព័ន្ធបញ្ចេញ ជាមួយនឹងតម្រូវការជាក់ស្តែងរបស់រុក្ខជាតិ។ ធ្វើការកែប្រែតម្លៃតំបន់នៃ Membership Functions (ឧទាហរណ៍ពី 'Dry' ទៅ 'Normal') ដើម្បីធ្វើឱ្យប្រព័ន្ធកាន់តែមានភាពសុក្រឹតសម្រាប់ស្ថានភាពដីស្រុកខ្មែរ។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Fuzzy Logic Controller (ឧបករណ៍បញ្ជាតក្កវិទ្យាស្រពិចស្រពិល) ប្រព័ន្ធកុំព្យូទ័រដែលធ្វើការសម្រេចចិត្តដោយផ្អែកលើកម្រិតនៃការពិត (Degrees of truth) ជាជាងត្រឹមតែត្រូវឬខុស (0 ឬ 1) ដាច់អហង្ការ។ វាអាចយល់ពីកម្រិតដូចជា "បន្តិចបន្តួច", "មធ្យម", ឬ "ខ្លាំង" ដើម្បីគ្រប់គ្រងម៉ាស៊ីនឱ្យបានរលូនដូចការគិតរបស់មនុស្ស។ ដូចជាមនុស្សបង្វិលក្បាលរ៉ូប៊ីនេទឹក គឺមិនមែនមានតែបិទនិងបើកនោះទេ តែអាចបើកខ្លាំង ឬបើកតិចតួចទៅតាមកម្រិតដែលចង់បាន។
Available Water Capacity - AWC (ចំណុះទឹកប្រើប្រាស់បាន) បរិមាណទឹកសរុបនៅក្នុងដីដែលរុក្ខជាតិអាចស្រូបយកទៅប្រើប្រាស់បាន ដែលជាចន្លោះរវាងកម្រិតសំណើមអតិបរមាក្នុងដី (Field Capacity) និងកម្រិតសំណើមអប្បបរមាដែលរុក្ខជាតិចាប់ផ្តើមស្រពោន (Permanent Wilting Point)។ ដូចជាទឹកដែលមាននៅក្នុងកែវដែលអ្នកអាចបឺតផឹកបាន មិនមែនទឹកដែលកំពប់ចេញបាត់ ឬទឹកដែលនៅសល់ជាប់បាតកែវដែលទុយយោបឺតមិនដល់នោះទេ។
Field Capacity - FC (សមត្ថភាពផ្ទុកទឹករបស់ដី / សំណើមធារាសាស្ត្រ) កម្រិតសំណើមអតិបរមាដែលដីអាចទប់រក្សាទុកបាន បន្ទាប់ពីទឹកដែលលើសត្រូវបានហូរជ្រាបចុះក្រោមអស់។ កម្រិតនេះគឺជាគោលដៅបរិមាណទឹកដ៏ល្អបំផុតសម្រាប់ការស្រោចស្រព។ ដូចជាអេប៉ុងដែលទើបតែជ្រលក់ទឹក ហើយស្រូបទឹកឆ្អែតពេញលេញដោយមិនមានស្រក់តក់ៗចុះមកក្រោមទៀត។
Fuzzification (ការបំប្លែងទៅជាទិន្នន័យស្រពិចស្រពិល) ដំណើរការនៃការបំប្លែងទិន្នន័យជាលេខជាក់លាក់ដែលអានបានពីឧបករណ៍វាស់ (ឧទាហរណ៍ សំណើម ៦០%) ទៅជាតម្លៃភាសាឬប្រភេទតំបន់ (ឧទាហរណ៍ "ស្ងួត", "ធម្មតា", "សើម") ដើម្បីឱ្យប្រព័ន្ធ Fuzzy Logic អាចដំណើរការបាន។ ដូចជាការបកប្រែពិន្ទុប្រឡង ៨៥ ពិន្ទុ ឱ្យទៅជានិទ្ទេស "ល្អណាស់" ដើម្បីងាយស្រួលយល់និងចាត់ថ្នាក់។
Defuzzification (ការបំប្លែងត្រឡប់មកលេខជាក់លាក់) ដំណើរការចុងក្រោយរបស់ប្រព័ន្ធ Fuzzy Logic ដែលបំប្លែងលទ្ធផលវាយតម្លៃជាភាសា (ឧទាហរណ៍ "បើកទឹកយូរ") ឱ្យត្រឡប់មកជាតម្លៃលេខពិតប្រាកដវិញ (ឧទាហរណ៍ "បើក ១៤៥ នាទី") ដោយប្រើរូបមន្តគណិតវិទ្យាដូចជា Center of Gravity (COG) ដើម្បីបញ្ជូនទៅបញ្ជាម៉ាស៊ីន។ ដូចជាមេចុងភៅប្រាប់ថាក្នុងរូបមន្តត្រូវ "ដាក់អំបិលបន្តិច" ហើយកូនកាំបិតយកទៅថ្លឹងថ្លែងចេញជាបរិមាណពិតប្រាកដគឺ "៥ ក្រាម" ដើម្បីចម្អិន។
MATLAB Simulink (កម្មវិធីក្លែងធ្វើ MATLAB Simulink) ជាកម្មវិធីកុំព្យូទ័រដ៏មានអានុភាពសម្រាប់សាងសង់និងសាកល្បងគំរូប្រព័ន្ធវិស្វកម្មដោយប្រើប្លុកក្រាហ្វិក (Graphical blocks) ដើម្បីមើលនិងវិភាគថាតើប្រព័ន្ធនោះដំណើរការយ៉ាងដូចម្តេចមុនពេលយកទៅផលិត ឬអនុវត្តផ្ទាល់លើម៉ាស៊ីនពិត។ ដូចជាការលេងហ្គេមសាងសង់ទីក្រុង ដែលអ្នកអាចសាកល្បងរៀបចំផ្លូវនិងបណ្តាញទឹកមើលសិន មុនពេលយកលុយទៅសាងសង់ទីក្រុងមែនទែន។
Mamdani Inference Mechanism (យន្តការអនុមានម៉ាមដានី) វិធីសាស្ត្រមួយក្នុងការបង្កើតច្បាប់ (IF-THEN rules) នៅក្នុង Fuzzy Logic ដើម្បីឱ្យប្រព័ន្ធអាចទាញសេចក្តីសន្និដ្ឋានចេញពីទិន្នន័យបញ្ចូលផ្សេងៗគ្នា ដោយរក្សាលទ្ធផលបញ្ចេញមកជាទម្រង់ភាសាស្រពិចស្រពិល ដែលស្របទៅនឹងការសម្រេចចិត្តតាមបទពិសោធន៍របស់មនុស្ស។ ដូចជាច្បាប់ទម្លាប់ក្នុងខួរក្បាលអ្នកបើកបរ៖ "ប្រសិនបើ ភ្លៀងធ្លាក់ ហើយ ផ្លូវរអិល នោះ ត្រូវបើកបរយឺតៗ"។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖