បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយពីតម្រូវការក្នុងការប៉ាន់ប្រមាណអង្កត់ផ្ចិតមធ្យមនៃមកុដដើមឈើប្រកបដោយភាពត្រឹមត្រូវ និងចំណាយតិចសម្រាប់ការគ្រប់គ្រងព្រៃឈើប្រកបដោយនិរន្តរភាព ដោយប្រើប្រាស់រូបភាពថតពីយន្តហោះគ្មានមនុស្សបើក (UAV) ជាជម្រើសជំនួសការវាស់វែងដោយផ្ទាល់ដែលចំណាយពេល និងថវិកាច្រើន។
វិធីសាស្ត្រ (The Methodology)៖ អ្នកស្រាវជ្រាវបានធ្វើការហោះហើរថតរូបក្នុងរដូវកាលពីរផ្សេងគ្នា ដើម្បីបង្កើតគំរូកម្ពស់ឌីជីថល និងបានប្រៀបធៀបក្បួនដោះស្រាយការបែងចែករូបភាព (Segmentation algorithms) ចំនួនពីរដើម្បីកំណត់ព្រំដែនមកុដដើមឈើ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Multiresolution Segmentation (MRS) on Orthophoto Mosaic ការបែងចែករូបភាពបែប Multiresolution (MRS) លើរូបភាព Orthophoto |
អាចបែងចែកមកុដដើមឈើបានដោយពឹងផ្អែកលើលក្ខណៈរូបភាព (ពណ៌, រូបរាង, និងភាពរលោង)។ ដំណើរការបានល្អលើទិន្នន័យរូបភាពដែលមានកម្រិតភាពច្បាស់ខ្ពស់។ | មានកំហុសខ្ពស់ជាងបន្តិច និងមានភាពខុសគ្នាគួរឱ្យកត់សម្គាល់ (Significant difference) ធៀបនឹងការវាស់វែងផ្ទាល់។ អត្រាប៉ាន់ស្មានលើស (Overestimation) អាចកើតមានដោយសារស្រមោល។ | R² = 0.88, RMSE = 8.74%, MAE = 8.11% |
| Invert Watershed Segmentation (IWS) on Canopy Height Model (CHM) ការបែងចែករូបភាពបែប Invert Watershed (IWS) លើគំរូកម្ពស់ដំបូលរុក្ខជាតិ (CHM) |
ផ្តល់លទ្ធផលត្រឹមត្រូវបំផុត មិនមានភាពខុសគ្នាពីការវាស់ដោយផ្ទាល់ឡើយ ដោយសារវាពឹងផ្អែកលើការផ្លាស់ប្តូរកម្ពស់ដើមឈើជាក់ស្តែង។ | ទាមទារការបង្កើតគំរូ DTM និង CHM ដែលមានភាពសុក្រឹតខ្ពស់ ដែលតម្រូវឱ្យមានការហោះហើរថតរូបពីររដូវកាលខុសគ្នា (មានស្លឹក និងជ្រុះស្លឹក)។ | R² = 0.92, RMSE = 7.02%, MAE = 5.97% (លទ្ធផលល្អបំផុត) |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះទាមទារធនធានយន្តហោះគ្មានមនុស្សបើក (UAV) ឧបករណ៍វាស់វែង GPS កម្រិតខ្ពស់ និងកម្មវិធីកុំព្យូទ័រឯកទេសសម្រាប់ការបែងចែករូបភាព។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងព្រៃ Kheyrud ប្រទេសអ៊ីរ៉ង់ ដែលជាតំបន់ភ្នំមានព្រៃឈើចម្រុះ និងមានរដូវស្លឹកឈើជ្រុះច្បាស់លាស់ដើម្បីផលិត DTM បានត្រឹមត្រូវ។ សម្រាប់ប្រទេសកម្ពុជា ដែលភាគច្រើនជាព្រៃត្រូពិចបៃតងជានិច្ច ការថតរូបភាពដើម្បីមើលឃើញផ្ទៃដីច្បាស់ (ដូចរដូវស្លឹកឈើជ្រុះ) អាចជួបការលំបាកខ្លាំង ដែលទាមទារឱ្យមានការកែសម្រួលវិធីសាស្ត្រក្នុងការបង្កើត DTM (ឧទាហរណ៍ អាចត្រូវពឹងផ្អែកលើបច្ចេកវិទ្យា LiDAR ជំនួសវិញ)។
ទោះបីជាមានបញ្ហាប្រឈមជាមួយភាពក្រាស់នៃព្រៃត្រូពិចក៏ដោយ បច្ចេកទេសនេះនៅតែមានសក្តានុពលខ្ពស់សម្រាប់កម្ពុជា ក្នុងការធ្វើសារពើភណ្ឌព្រៃឈើប្រកបដោយប្រសិទ្ធភាព និងចំណាយតិច។
ជារួម ការរួមបញ្ចូលគ្នារវាងការប្រើប្រាស់ UAV និងកម្មវិធីបែងចែករូបភាពឆ្លាតវៃ គឺជាដំណោះស្រាយដ៏មានតម្លៃសម្រាប់ជំនួសកម្លាំងពលកម្មផ្ទាល់ និងជួយពន្លឿនការងារគ្រប់គ្រងព្រៃឈើនៅកម្ពុជាឱ្យកាន់តែមានភាពទំនើប។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Structure from Motion (SFM) | ជាបច្ចេកទេសក្នុងអាកាសថតវិជ្ជា (Photogrammetry) ដែលប្រើប្រាស់រូបភាព 2D ថតត្រួតស៊ីគ្នាពីមុំផ្សេងៗគ្នា ដើម្បីបង្កើតជារូបភាព 3D នៃផ្ទៃដីនិងវត្ថុផ្សេងៗនៅលើដី ដោយគណនាទីតាំងនិងកម្ពស់តាមរយៈការប្រែប្រួលនៃចំណុចរួមនៅក្នុងរូបភាពទាំងនោះ។ | ដូចជាភ្នែកទាំងពីររបស់យើងដែលមើលវត្ថុមួយពីមុំខុសគ្នាបន្តិចបន្តួច ដែលជួយឱ្យខួរក្បាលយើងដឹងពីជម្រៅនិងរូបរាងត្រីមាត្រ (3D) របស់វត្ថុនោះ។ |
| Orthophoto mosaic | ជារូបភាពផែនទីដែលត្រូវបានតភ្ជាប់គ្នាចេញពីរូបថតអាកាសជាច្រើនសន្លឹក ហើយត្រូវបានកែតម្រូវកំហុសបញ្ញត្តិ (Distortion) ទីតាំង កម្ពស់ និងមុំកាមេរ៉ា ធ្វើឱ្យគ្រប់ចំណុចទាំងអស់នៅលើរូបភាពមានមាត្រដ្ឋានត្រឹមត្រូវដូចគ្នានឹងផែនទីពិតប្រាកដដោយគ្មានភាពវៀចវេរ។ | ដូចជាការយកបំណែករូបភាពតូចៗរាប់រយសន្លឹកមកតភ្ជាប់គ្នា (Puzzle) រួចអ៊ុតឱ្យរាបស្មើ ដើម្បីក្លាយជាផ្ទាំងគំនូរផែនទីដ៏ធំមួយដែលមានខ្នាតត្រឹមត្រូវឥតខ្ចោះ។ |
| Digital Terrain Model (DTM) | ជាគំរូទិន្នន័យកម្ពស់ឌីជីថលដែលបង្ហាញតែពីកម្ពស់នៃផ្ទៃដីសុទ្ធសាធ ដោយបានលុបចេញនូវរាល់វត្ថុទាំងអស់នៅលើដីដូចជា ដើមឈើ អគារ និងហេដ្ឋារចនាសម្ព័ន្ធផ្សេងៗ ដើម្បីបង្ហាញពីសណ្ឋានដីពិតៗ។ | ដូចជាការប្រើប្រាស់វេទមន្តបោសសម្អាតរាល់សំណង់និងរុក្ខជាតិទាំងអស់ចេញពីផ្ទៃផែនដី ដោយបន្សល់ទុកតែរូបរាងភ្នំនិងជ្រលងដីទទេស្អាត។ |
| Digital Surface Model (DSM) | ជាគំរូទិន្នន័យកម្ពស់ឌីជីថលដែលឆ្លុះបញ្ចាំងពីផ្ទៃខាងលើបង្អស់នៃវត្ថុទាំងអស់នៅលើផែនដី ពោលគឺរាប់បញ្ចូលទាំងកម្ពស់ដើមឈើ ដំបូលអគារ និងវត្ថុផ្សេងៗទៀតដែលគ្របដណ្តប់លើដី។ | ដូចជាការយកភួយដ៏ធំមួយមកគ្របពីលើភូមិមួយ រូបរាងកម្ពស់នៃភួយដែលពើងឡើងតាមដើមឈើ និងដំបូលផ្ទះ គឺជា DSM។ |
| Canopy Height Model (CHM) | ជាទិន្នន័យកម្ពស់ដែលទទួលបានពីការយកគំរូផ្ទៃសរុប (DSM) ដកចេញនូវគំរូផ្ទៃដី (DTM) ដើម្បីទាញយកតែកម្ពស់ពិតប្រាកដរបស់ដើមឈើ ឬរុក្ខជាតិ ដោយកាត់ចោលនូវឥទ្ធិពលនៃកម្ពស់ទួលឬភ្នំខាងក្រោមវា។ | ដូចជាការយកកម្ពស់សរុបរបស់មនុស្សដែលកំពុងឈរលើកៅអី ដកចេញនូវកម្ពស់កៅអី ដើម្បីរកឱ្យឃើញថាតើមនុស្សនោះមានកម្ពស់ប៉ុន្មានពិតប្រាកដ។ |
| Multiresolution Segmentation (MRS) | ជាក្បួនដោះស្រាយដែលបែងចែករូបភាពទៅជាបំណែកតូចៗ (Pixels) រួចបន្តចងក្រងវាបញ្ចូលគ្នាជាក្រុមធំជាងមុនបន្តិចម្តងៗ ដោយផ្អែកលើភាពស្រដៀងគ្នានៃពណ៌ រូបរាង និងភាពរលោង ដើម្បីកំណត់ព្រំដែននៃវត្ថុណាមួយ (ក្នុងករណីនេះគឺមកុដដើមឈើ)។ | ដូចជាការរៀបចំបំណែក Lego តូចៗដែលមានពណ៌ និងរាងស្រដៀងគ្នា ផ្គុំបញ្ចូលគ្នាឱ្យក្លាយជាប្លុកធំមួយ ដើម្បីងាយស្រួលសម្គាល់ថាវាជារូបអ្វី។ |
| Invert Watershed Segmentation (IWS) | ជាបច្ចេកទេសបែងចែករូបភាពដោយផ្អែកលើទិន្នន័យកម្ពស់ (CHM)។ វាកំណត់កំពូលដើមឈើជាចំណុចទាបបំផុត (Invert) ហើយធ្វើការក្លែងធ្វើជាការបង្ហូរទឹកចូលរហូតដល់ពេញ ដើម្បីរកមើលព្រំដែន (គែម) នៃមកុដដើមឈើនីមួយៗដែលបំបែកចេញពីគ្នាដោយចន្លោះប្រហោង។ | ដូចជាការផ្កាប់ចានគោមជាច្រើនជាប់ៗគ្នា រួចចាក់ទឹកពីលើ។ កន្លែងដែលទឹកហូរបុកគ្នា គឺជាគែមព្រំដែននៃចាននីមួយៗ ដែលតំណាងឱ្យព្រំដែននៃមកុដដើមឈើ។ |
| Root Mean Square Error (RMSE) | ជារង្វាស់ស្ថិតិដែលប្រើសម្រាប់គណនាគម្លាត ឬកំហុសមធ្យមរវាងតម្លៃដែលបានព្យាករណ៍ (ប៉ាន់ស្មានដោយកុំព្យូទ័រ) និងតម្លៃពិតប្រាកដដែលបានវាស់វែងផ្ទាល់។ វាជាសូចនាករប្រាប់យើងថា តើម៉ូដែលរបស់យើងមានភាពសុក្រឹតកម្រិតណា។ | ដូចជាការបាញ់ព្រួញទៅកាន់ផ្ទាំងស៊ីប។ RMSE គឺជាការវាស់ប្រវែងជាមធ្យមដែលប្រាប់យើងថា តើព្រួញទាំងនោះបាញ់ខុសគោលដៅចំកណ្តាលប៉ុន្មានសង់ទីម៉ែត្រ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
