Original Title: Smart Agricultural Drones for Automated Crop Spraying and Mapping
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ដ្រូនកសិកម្មឆ្លាតវៃសម្រាប់ការបាញ់ថ្នាំដំណាំនិងការធ្វើផែនទីដោយស្វ័យប្រវត្តិ

ចំណងជើងដើម៖ Smart Agricultural Drones for Automated Crop Spraying and Mapping

អ្នកនិពន្ធ៖ Andrew Ross, Lily Bennett, Samuel Wright, Victoria Hughes

ឆ្នាំបោះពុម្ព៖ 2021

វិស័យសិក្សា៖ Agricultural Technology

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការធ្វើកសិកម្មតាមបែបប្រពៃណីពឹងផ្អែកខ្លាំងលើកម្លាំងពលកម្មដោយដៃ និងគ្រឿងចក្រ ដែលនាំឱ្យមានការចំណាយខ្ពស់ ខាតបង់ពេលវេលា និងការប្រើប្រាស់ថ្នាំសម្លាប់សត្វល្អិតមិនមានប្រសិទ្ធភាព ឬហួសកម្រិតដែលប៉ះពាល់ដល់បរិស្ថាន។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះអនុវត្តវិធីសាស្រ្តពហុដំណាក់កាល ដោយរួមបញ្ចូលការប្រមូលទិន្នន័យពីលើអាកាស ការបាញ់ថ្នាំដោយប្រើ AI និងការវិភាគប្រៀបធៀបជាមួយវិធីសាស្រ្តដោយដៃ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Traditional Manual Spraying
ការបាញ់ថ្នាំដោយដៃតាមបែបប្រពៃណី
ចំណាយដើមទុនដំបូងតិច និងមិនតម្រូវឱ្យមានជំនាញបច្ចេកទេសខ្ពស់។ ប្រើប្រាស់កម្លាំងពលកម្មច្រើន ចំណាយពេលយូរ ការបាញ់ថ្នាំមិនសូវសព្វល្អ និងប៉ះពាល់ដល់សុខភាពអ្នកបាញ់ដោយផ្ទាល់។ មានការខ្ជះខ្ជាយថ្នាំគីមីច្រើន និងបណ្តាលឱ្យមានការហូរហៀរចូលក្នុងដី (Chemical runoff)។
AI-Driven Drone Spraying
ការបាញ់ថ្នាំដោយដ្រូនជំនួយដោយ AI
មានភាពជាក់លាក់ខ្ពស់ (High precision) អាចធ្វើការដោយស្វ័យប្រវត្តិ និងកាត់បន្ថយការប៉ះពាល់សារធាតុគីមីដោយផ្ទាល់។ ការចំណាយដំបូងខ្ពស់ មានកម្រិតថាមពលថ្ម (Battery limitations) និងអាស្រ័យលើលក្ខខណ្ឌអាកាសធាតុ។ កាត់បន្ថយការប្រើប្រាស់ថ្នាំសម្លាប់សត្វល្អិតយ៉ាងច្រើន និងធានាបាននូវការបាញ់ថ្នាំស្មើល្អ។
Drone Mapping with Multispectral Sensors
ការធ្វើផែនទីដោយដ្រូនប្រើសេនស័រពហុរលក
ផ្តល់ទិន្នន័យរូបភាពកម្រិតច្បាស់ (High-resolution) សម្រាប់វិភាគសុខភាពដំណាំ និងដីបានលឿន។ ត្រូវការជំនាញក្នុងការវិភាគទិន្នន័យ និងឧបករណ៍ចាប់សញ្ញាមានតម្លៃថ្លៃ។ អាចរកឃើញជំងឺដំណាំ និងកង្វះសារធាតុចិញ្ចឹមក្នុងដីបានមុនពេលដែលមើលឃើញដោយភ្នែកទទេ (Early detection)។

ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តបច្ចេកវិទ្យានេះទាមទារការវិនិយោគគួរឱ្យកត់សម្គាល់លើឧបករណ៍បច្ចេកវិទ្យា និងការបណ្តុះបណ្តាលជំនាញ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះផ្តល់ទិដ្ឋភាពទូទៅនៃបច្ចេកវិទ្យាដោយមិនបានបញ្ជាក់ពីទីតាំងភូមិសាស្ត្រជាក់លាក់ ដែលអាចជាបញ្ហាសមស្របសម្រាប់កសិដ្ឋានខ្នាតធំ (Large-scale) ជាជាងកសិករខ្នាតតូចនៅក្នុងប្រទេសកម្ពុជា។ ការចំណាយខ្ពស់និងបញ្ហាបច្ចេកទេសអាចជាឧបសគ្គសម្រាប់កសិករខ្មែរភាគច្រើនដែលនៅមានកម្រិតចំណេះដឹងបច្ចេកវិទ្យាទាបនៅឡើយ។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

បច្ចេកវិទ្យានេះមានសក្តានុពលខ្ពស់សម្រាប់ការធ្វើទំនើបកម្មកសិកម្មនៅកម្ពុជា ជាពិសេសក្នុងការដោះស្រាយកង្វះកម្លាំងពលកម្ម។

ទោះបីជាមានប្រសិទ្ធភាពខ្ពស់ ប៉ុន្តែដើម្បីជោគជ័យនៅកម្ពុជា គួរតែមានទម្រង់អាជីវកម្មផ្តល់សេវាកម្មដ្រូន (Drone-as-a-Service) ដើម្បីឱ្យកសិករខ្នាតតូចអាចទទួលបានផលប្រយោជន៍ដោយមិនចាំបាច់ទិញឧបករណ៍ផ្ទាល់ខ្លួន។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាអំពីបទប្បញ្ញត្តិនិងសុវត្ថិភាព: ស្វែងយល់ពីច្បាប់ស្តីពីការប្រើប្រាស់ដ្រូននៅកម្ពុជា និងគោលការណ៍សុវត្ថិភាពពី (SSCA - State Secretariat of Civil Aviation)។
  2. ស្វែងយល់ពីបច្ចេកវិទ្យាសេនស័រ: សិក្សាពីភាពខុសគ្នារវាងកាមេរ៉ា RGB និង (Multispectral/Hyperspectral sensors) ដើម្បីយល់ពីរបៀបវិភាគសុខភាពដំណាំ។
  3. រៀនប្រើប្រាស់កម្មវិធីវិភាគទិន្នន័យ: រៀនប្រើប្រាស់កម្មវិធីដូចជា (Pix4Dfields) ឬ (DroneDeploy) ដើម្បីបង្កើតផែនទី និងវិភាគសន្ទស្សន៍រុក្ខជាតិ (Vegetation Indices)។
  4. ការសាកល្បងលើវាលស្រែជាក់ស្តែង: សហការជាមួយក្រុមហ៊ុនផ្តល់សេវាដ្រូនក្នុងស្រុក ដើម្បីចុះអនុវត្តផ្ទាល់ក្នុងការបាញ់ថ្នាំ និងប្រមូលទិន្នន័យនៅតាមកសិដ្ឋានគំរូ។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Multispectral sensors ជាឧបករណ៍ចាប់សញ្ញាដែលអាចថតរូបភាពក្នុងរលកពន្លឺដែលភ្នែកមនុស្សមើលមិនឃើញ (ដូចជាពន្លឺ Near-Infrared) ដើម្បីវិភាគសុខភាពរុក្ខជាតិ និងកម្រិតក្លរ៉ូហ្វីល។ ដូចជាវ៉ែនតាវេទមន្តដែលអនុញ្ញាតឱ្យកសិករមើលឃើញជំងឺរបស់ដំណាំ មុនពេលដែលស្លឹកប្រែពណ៌លឿង។
Precision Farming ជាយុទ្ធសាស្ត្រគ្រប់គ្រងកសិកម្មដែលប្រើបច្ចេកវិទ្យាដើម្បីពិនិត្យ និងផ្តល់ការថែទាំ (ទឹក ជី ថ្នាំ) ទៅតាមតម្រូវការជាក់លាក់នៃកន្លែងនីមួយៗក្នុងចំការ ដើម្បីកាត់បន្ថយការខ្ជះខ្ជាយ។ ដូចជាការផ្តល់ថ្នាំព្យាបាលដល់តែអ្នកដែលឈឺជាក់លាក់ មិនមែនផ្តល់ថ្នាំគ្រាប់ដល់មនុស្សគ្រប់គ្នាក្នុងភូមិនោះទេ។
Variable rate technology ជាបច្ចេកវិទ្យាដែលអនុញ្ញាតឱ្យដ្រូន ឬម៉ាស៊ីនកសិកម្មផ្លាស់ប្តូរបរិមាណនៃការបាញ់ថ្នាំ ឬដាក់ជីដោយស្វ័យប្រវត្តិ នៅពេលហោះហើរលើតំបន់ផ្សេងៗគ្នានៃវាលស្រែ ទៅតាមតម្រូវការជាក់ស្តែង។ ដូចជាការស្រោចទឹកផ្កា ដែលយើងស្រោចច្រើននៅកន្លែងដីស្ងួត និងស្រោចតិចនៅកន្លែងដែលដីសើមស្រាប់។
Vegetation indices ជាតម្លៃលេខដែលគណនាចេញពីការវាស់វែងពន្លឺ (ដូចជា NDVI) ដើម្បីបង្ហាញពីដង់ស៊ីតេ និងសុខភាពរបស់រុក្ខជាតិបៃតងនៅក្នុងតំបន់ណាមួយ។ ប្រៀបដូចជាពិន្ទុសុខភាពសម្រាប់ដំណាំ ដែលប្រាប់យើងថាវាលូតលាស់ល្អប៉ុណ្ណា។
Hyperspectral sensors ជាបច្ចេកវិទ្យាចាប់យកពន្លឺដែលមានកម្រិតខ្ពស់ជាង Multispectral ដោយអាចបំបែកពន្លឺជារាប់រយកម្រិតតូចៗ ដើម្បីកំណត់អត្តសញ្ញាណសារធាតុគីមី ឬប្រភេទជំងឺបានយ៉ាងលម្អិត។ ប្រសិនបើកាមេរ៉ាធម្មតាឃើញតែ ៣ ពណ៌ ឧបករណ៍នេះអាចឃើញរាប់រយពណ៌ ដែលជួយឱ្យឃើញភាពខុសគ្នាតូចបំផុត។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖