បញ្ហា (The Problem)៖ ការកើនឡើងនៃកាកសំណល់ក្នុងទីក្រុងទាមទារឱ្យមានប្រព័ន្ធគ្រប់គ្រងដែលមានប្រសិទ្ធភាពជាងមុន ខណៈដែលហេដ្ឋារចនាសម្ព័ន្ធត្រួតពិនិត្យបច្ចុប្បន្ននៅមានកម្រិត ដោយខ្វះលក្ខណៈពិសេសដូចជាការតភ្ជាប់បណ្តាញទូលាយ ឬការវិភាគទិន្នន័យកម្រិតខ្ពស់នៅនឹងកន្លែង។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះស្នើឡើងនូវស្ថាបត្យកម្មបណ្តាញ LoRaWAN ដែលបែងចែកជាបីស្រទាប់ផ្សេងៗគ្នា ដើម្បីអនុវត្តប្រព័ន្ធគ្រប់គ្រងកាកសំណល់ឆ្លាតវៃ ដោយរួមបញ្ចូលបច្ចេកវិទ្យា Edge Computing សម្រាប់វិភាគទិន្នន័យ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Smart Bin (Ultrasonic Sensor Node) ធុងសំរាមឆ្លាតវៃ (Smart Bin) បំពាក់ឧបករណ៍ចាប់សញ្ញាអ៊ុលត្រាសូនិក |
មានតម្លៃទាប (ប្រហែល ៤២ អឺរ៉ូ) ប្រើប្រាស់ថាមពលតិច និងអាចវាស់កម្រិតកាកសំណល់ដោយស្វ័យប្រវត្តិ។ | ភាពត្រឹមត្រូវអាចមានកម្រិតលំអៀងប្រហែល ៧ សង់ទីម៉ែត្រ និងអាចរងផលប៉ះពាល់ដោយសីតុណ្ហភាព ឬរបៀបនៃការចោលសំរាម។ | អាចជូនដំណឹងអំពីកម្រិតពេញនៃធុងសំរាម ដើម្បីឱ្យប្រតិបត្តិករធ្វើការប្រមូលបានទាន់ពេលវេលា។ |
| Video Surveillance Unit (VSU) with Edge AI អង្គភាពឃ្លាំមើលវីដេអូ (VSU) ជាមួយបច្ចេកវិទ្យា Edge AI |
មានសមត្ថភាពខ្ពស់ក្នុងការវិភាគរូបភាពដើម្បីរកមើលអគ្គិភ័យ និងរក្សាឯកជនភាពដោយមិនបញ្ជូនរូបភាពចេញក្រៅ។ | មានតម្លៃថ្លៃជាងគេ (ប្រហែល ៥២២ អឺរ៉ូ) និងត្រូវការថាមពលច្រើនដែលតម្រូវឱ្យមានផ្ទាំងសូឡាធំជាងមុន។ | សម្រេចបានភាពត្រឹមត្រូវ (Accuracy) ៩៦.៤% ក្នុងការរកឃើញអគ្គិភ័យ។ |
| Smart Drop-off Container ធុងដាក់សំរាមធំ (Smart Drop-off Container) ដែលមានប្រព័ន្ធ RFID |
អនុញ្ញាតឱ្យមានការផ្ទៀងផ្ទាត់អ្នកប្រើប្រាស់ (User Authentication) និងមានប្រព័ន្ធ GPS សម្រាប់តាមដានទីតាំង។ | មានតម្លៃថ្លៃជាងធុងសំរាមធម្មតា (គ្រឿងអេឡិចត្រូនិកប្រហែល ៨៧ អឺរ៉ូ) និងត្រូវការថាមពលសម្រាប់ដំណើរការប្រព័ន្ធចាក់សោ។ | អាចគ្រប់គ្រងការចូលប្រើប្រាស់ និងជូនដំណឹងអំពីការបំពេញកាកសំណល់បានយ៉ាងមានប្រសិទ្ធភាព។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះបានផ្តល់នូវការប៉ាន់ប្រមាណតម្លៃលម្អិតសម្រាប់ផ្នែករឹងនៃឧបករណ៍នីមួយៗ ដោយផ្តោតលើការប្រើប្រាស់គ្រឿងបន្លាស់ដែលមានតម្លៃសមរម្យ។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងទីក្រុង Siena និង Florence ប្រទេសអ៊ីតាលី ដែលមានបរិបទអាកាសធាតុ និងប្រភេទកាកសំណល់ខុសពីកម្ពុជា។ ទិន្នន័យរូបភាពសម្រាប់បណ្តុះបណ្តាល AI ត្រូវបានយកពីអ៊ីនធឺណិត និងការថតផ្ទាល់នៅទីតាំង ដែលអាចមិនឆ្លុះបញ្ចាំងពីស្ថានភាពជាក់ស្តែងនៅតំបន់ត្រូពិកដូចកម្ពុជា។
បច្ចេកវិទ្យានេះមានសក្តានុពលខ្ពស់សម្រាប់កម្ពុជា ជាពិសេសក្នុងការអភិវឌ្ឍន៍ទីក្រុងឆ្លាតវៃ (Smart City) ដើម្បីដោះស្រាយបញ្ហាកាកសំណល់ដែលកំពុងកើនឡើង។
ទោះបីជាការចំណាយលើ VSU អាចខ្ពស់សម្រាប់កម្ពុជា ប៉ុន្តែការចាប់ផ្តើមជាមួយ Smart Bins ដែលមានតម្លៃសមរម្យគឺជាជំហានដ៏ល្អក្នុងការធ្វើទំនើបកម្មប្រព័ន្ធគ្រប់គ្រងកាកសំណល់។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| LoRaWAN (Long Range Wide Area Network) | គឺជាបច្ចេកវិទ្យាទំនាក់ទំនងឥតខ្សែដែលមានសមត្ថភាពបញ្ជូនទិន្នន័យបានក្នុងចម្ងាយឆ្ងាយ ប៉ុន្តែប្រើប្រាស់ថាមពលថ្មតិចតួចបំផុត។ វាអនុញ្ញាតឱ្យឧបករណ៍ចាប់សញ្ញា (ដូចជាធុងសំរាមឆ្លាតវៃ) អាចភ្ជាប់ទៅអ៊ីនធឺណិត និងដំណើរការបានរាប់ឆ្នាំដោយមិនចាំបាច់ប្តូរថ្មញឹកញាប់។ | ប្រៀបដូចជាការផ្ញើសារ SMS តាមទូរស័ព្ទចាស់ៗ ដែលអាចផ្ញើបានឆ្ងាយ និងសន្សំថ្មជាងការហៅវីដេអូតាម 4G/5G។ |
| Edge Computing | គឺជាដំណើរការនៃការវិភាគ និងគណនាទិន្នន័យដោយផ្ទាល់នៅលើឧបករណ៍ (នៅនឹងកន្លែង) ជាជាងការបញ្ជូនទិន្នន័យឆៅទាំងអស់ទៅកាន់ម៉ាស៊ីនមេ (Cloud)។ ក្នុងឯកសារនេះ កាមេរ៉ាវិភាគរកមើលអគ្គិភ័យដោយខ្លួនឯង ដើម្បីរក្សាឯកជនភាព និងកាត់បន្ថយការប្រើប្រាស់អ៊ីនធឺណិត។ | ដូចជាពេលដែលយើងគិតលេខក្នុងក្បាលភ្លាមៗដោយខ្លួនឯង ជំនួសឱ្យការផ្ញើសំណួរទៅគ្រូហើយរង់ចាំចម្លើយត្រឡប់មកវិញ។ |
| Time of Flight (ToF) | ជាវិធីសាស្ត្រវាស់ចម្ងាយដោយគណនារយៈពេលដែលរលកសំឡេង ឬពន្លឺធ្វើដំណើរទៅប៉ះវត្ថុមួយ ហើយផ្លាតត្រឡប់មកវិញ។ ឧបករណ៍ចាប់សញ្ញាអ៊ុលត្រាសូនិកប្រើវិធីនេះដើម្បីដឹងថាកាកសំណល់ក្នុងធុងពេញដល់កម្រិតណា។ | ដូចជាការស្រែកដាក់ជញ្ជាំងក្នុងរូងភ្នំ ហើយរាប់វិនាទីដើម្បីស្តាប់សំឡេងអេកូ (Echo) ត្រឡប់មកវិញ ដើម្បីដឹងថាជញ្ជាំងនៅឆ្ងាយប៉ុណ្ណា។ |
| MQTT (Message Queuing Telemetry Transport) | គឺជាពិធីការ (Protocol) ទំនាក់ទំនងស្តង់ដារសម្រាប់ឧបករណ៍ IoT ប្រើក្នុងការផ្ញើទិន្នន័យតូចៗទៅកាន់ម៉ាស៊ីនមេ (Server) យ៉ាងរហ័ស និងមានប្រសិទ្ធភាព ទោះបីជាបណ្តាញអ៊ីនធឺណិតមិនសូវមានស្ថេរភាពក៏ដោយ។ | ប្រៀបដូចជាបុរសប្រៃសណីយ៍ដែលដឹកជញ្ជូនតែសំបុត្រតូចៗ និងលឿនបំផុត ដោយមិនដឹកកញ្ចប់ឥវ៉ាន់ធំៗដែលធ្វើឱ្យយឺតយ៉ាវ។ |
| YOLO (You Only Look Once) | គឺជាឈ្មោះនៃក្បួនដោះស្រាយបញ្ញាសិប្បនិម្មិត (AI Algorithm) ដ៏ល្បីល្បាញដែលប្រើសម្រាប់សម្គាល់វត្ថុក្នុងរូបភាព ឬវីដេអូបានយ៉ាងលឿនបំផុត (Real-time)។ នៅក្នុងការសិក្សានេះ គេប្រើវាដើម្បីវិភាគមើលថាមានភ្លើងឆេះឬអត់។ | ដូចជាភ្នែករបស់អ្នកចាំទីបាល់ទាត់ ដែលអាចមើលមួយភ្លែតហើយដឹងភ្លាមថាបាល់នៅឯណា និងកំពុងហោះទៅទិសណា ដោយមិនបាច់សម្លឹងយូរ។ |
| Spreading Factor (SF) | គឺជាការកំណត់នៅក្នុងប្រព័ន្ធ LoRa ដែលកំណត់ថាទិន្នន័យត្រូវបញ្ជូនយឺត ឬលឿនប៉ុណ្ណា។ បើកំណត់ SF ខ្ពស់ សញ្ញាអាចទៅបានឆ្ងាយជាងមុន និងធន់នឹងការរំខាន ប៉ុន្តែវាចំណាយពេលយូរក្នុងការបញ្ជូន និងស៊ីថ្មច្រើនជាងមុន។ | ប្រៀបដូចជាការនិយាយ៖ បើយើងនិយាយយឺតៗ និងច្បាស់ៗ (SF ខ្ពស់) គេអាចស្តាប់ឮនៅកន្លែងឆ្ងាយបាន ប៉ុន្តែវាចំណាយពេលយូរដើម្បីនិយាយចប់។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
