បញ្ហា (The Problem)៖ ការគ្រប់គ្រង និងការបែងចែកសំណល់វេជ្ជសាស្ត្រដោយដៃមានហានិភ័យខ្ពស់ដល់សុខភាពអ្នកបម្រើការងារ និងបរិស្ថាន ជាពិសេសនៅតាមមន្ទីរពេទ្យដែលខ្វះប្រព័ន្ធស្វ័យប្រវត្តិកម្ម។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះរចនា និងអនុវត្តប្រព័ន្ធមនុស្សយន្តរួមបញ្ចូលគ្នាជាមួយបច្ចេកវិទ្យាបញ្ញាសិប្បនិម្មិត និងកាមេរ៉ា ដើម្បីគ្រប់គ្រងនិងបែងចែកសំណល់ដោយស្វ័យប្រវត្តិ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Manual Waste Segregation ការបែងចែកសំណល់ដោយដៃ (វិធីសាស្ត្របុរាណ) |
មិនទាមទារការវិនិយោគលើបច្ចេកវិទ្យាស្មុគស្មាញ និងមានភាពបត់បែនខ្ពស់តាមស្ថានភាពជាក់ស្តែង។ | មានហានិភ័យខ្ពស់ចំពោះបុគ្គលិកពេទ្យ (ការឆ្លងមេរោគ មុតម្ជុល) ងាយមានកំហុសដោយសារភាពនឿយហត់ និងចំណាយពេលយូរ។ | មានប្រសិទ្ធភាពទាប និងមានហានិភ័យខ្ពស់ដល់សុវត្ថិភាពការងារ។ |
| ROS-based Robotic Arm with YOLOv3 & Voice Control ប្រព័ន្ធមនុស្សយន្តផ្អែកលើ ROS ប្រើ YOLOv3 និងបញ្ជាដោយសំឡេង (វិធីសាស្ត្រស្នើឡើង) |
កាត់បន្ថយហានិភ័យនៃការប៉ះពាល់ផ្ទាល់ មានសុវត្ថិភាពខ្ពស់ មានភាពត្រឹមត្រូវខ្ពស់ក្នុងការរកឃើញ និងបែងចែកសំណល់ក្នុងពេលវេលាជាក់ស្តែងដោយស្វ័យប្រវត្តិ។ | ទាមទារការចំណាយលើផ្នែករឹង (Hardware) ដំបូង និងអាចមានការលំបាកក្នុងការចាប់យកវត្ថុដែលទន់ពេក ឬខូចទ្រង់ទ្រាយខ្លាំង។ | សម្រេចបានអត្រាជោគជ័យខ្ពស់ក្នុងការរកឃើញ (mAP ខ្ពស់) ភាពជាក់លាក់ក្នុងការចាប់យក និងការឆ្លើយតបលឿនចំពោះការបញ្ជាដោយសំឡេងក្នុងមន្ទីរពិសោធន៍។ |
| Faster R-CNN Detection Architecture ម៉ូដែលរកឃើញវត្ថុ Faster R-CNN (ម៉ូដែលប្រៀបធៀប) |
ផ្តល់នូវភាពត្រឹមត្រូវខ្ពស់បំផុតក្នុងការរកឃើញវត្ថុ និងប្រអប់ព្រំដែន (Bounding box)។ | ត្រូវការថាមពលគណនាធំ (Computational complexity) និងដំណើរការយឺត ដែលមិនស័ក្តិសមសម្រាប់ប្រតិបត្តិការមនុស្សយន្តក្នុងពេលវេលាជាក់ស្តែង។ | មិនសូវស័ក្តិសមសម្រាប់ប្រព័ន្ធនេះបើធៀបនឹង YOLOv3 ដែលមានតុល្យភាពរវាងល្បឿន និងភាពត្រឹមត្រូវ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអភិវឌ្ឍប្រព័ន្ធនេះទាមទារឱ្យមានការរៀបចំផ្នែករឹង (Hardware) ច្បាស់លាស់ ឧបករណ៍ចាប់សញ្ញា និងប្រព័ន្ធកុំព្យូទ័រដែលមានសមត្ថភាពគ្រប់គ្រាន់ដើម្បីដំណើរការម៉ូដែល AI ក្នុងពេលវេលាជាក់ស្តែង។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងបរិយាកាសមន្ទីរពិសោធន៍ដែលគ្រប់គ្រងបាន (Controlled laboratory environment) ដោយប្រើសំណុំទិន្នន័យដែលបានរៀបចំទុកជាមុន មិនមែននៅក្នុងមន្ទីរពេទ្យជាក់ស្តែងនោះទេ។ នេះមានន័យថា ប្រព័ន្ធនេះអាចនឹងជួបបញ្ហានៅពេលប្រឈមនឹងពន្លឺមិនល្អ សំឡេងរំខានខ្លាំង ឬកាកសំណល់ប្លែកៗដែលមិនធ្លាប់មានក្នុងទិន្នន័យបណ្តុះបណ្តាល។ សម្រាប់ប្រទេសកម្ពុជា ការយកប្រព័ន្ធនេះមកប្រើប្រាស់ចាំបាច់ត្រូវមានការប្រមូលទិន្នន័យសំណល់វេជ្ជសាស្ត្រជាក់ស្តែងនៅតាមមន្ទីរពេទ្យក្នុងស្រុកដើម្បីឱ្យម៉ូដែលដំណើរការបានល្អ និងចៀសវាងភាពលម្អៀង។
ប្រព័ន្ធមនុស្សយន្តនេះពិតជាមានសក្តានុពលខ្ពស់សម្រាប់ប្រទេសកម្ពុជា ជាពិសេសក្នុងការលើកកម្ពស់សុវត្ថិភាព និងស្តង់ដារអនាម័យស្របតាមគោលការណ៍គ្រប់គ្រងសំណល់វេជ្ជសាស្ត្រ។
សរុបមក ទោះបីជាទាមទារការវិនិយោគដំបូង និងការបណ្តុះបណ្តាលទិន្នន័យថ្មីក៏ដោយ ការអនុវត្តបច្ចេកវិទ្យានេះនឹងជួយផ្លាស់ប្តូរមុខមាត់ប្រព័ន្ធគ្រប់គ្រងសំណល់វេជ្ជសាស្ត្រនៅកម្ពុជាឱ្យកាន់តែមានសុវត្ថិភាព ទំនើប និងស្របតាមស្តង់ដារអន្តរជាតិ។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Robot Operating System (ROS) | វាមិនមែនជាប្រព័ន្ធប្រតិបត្តិការដូចវីនដូ (Windows) នោះទេ ប៉ុន្តែវាជាបណ្តុំនៃកម្មវិធី ឬក្របខណ្ឌកណ្តាល (Middleware) ដែលជួយឱ្យផ្នែកផ្សេងៗនៃមនុស្សយន្ត (ដូចជាកាមេរ៉ា ម៉ូទ័រ និងសេនស័រ) អាចទាក់ទង និងធ្វើការជាមួយគ្នាបានយ៉ាងរលូនតាមរយៈការបញ្ជូនសារ។ | ប្រៀបដូចជាអ្នកសម្របសម្រួលនៅកណ្តាល ដែលជួយឱ្យផ្នែករាងកាយផ្សេងៗរបស់មនុស្សយន្តអាចយល់ចិត្តគ្នា និងធ្វើការព្រមគ្នាបាន។ |
| YOLOv3 | វាជាម៉ូដែលបណ្ដាញសរសៃប្រសាទសិប្បនិម្មិត (Deep Learning) សម្រាប់កុំព្យូទ័រចក្ខុ (Computer Vision) ដែលអាចរកឃើញ និងធ្វើចំណាត់ថ្នាក់វត្ថុដោយប្រើតែការស្កេនរូបភាពទាំងមូលតែម្តងគត់ ដែលធ្វើឱ្យវាមានល្បឿនលឿនខ្លាំងសម្រាប់ការរកឃើញក្នុងពេលជាក់ស្តែង (Real-time)។ | ប្រៀបដូចជាភ្នែកវេទមន្តដែលអាចមើលឃើញរូបភាពមួយផ្ទាំងភ្លាម ដឹងភ្លាមថាមានរបស់អ្វីខ្លះ និងនៅទីតាំងណាខ្លះដោយមិនបាច់ចំណាយពេលសម្លឹងមើលម្តងមួយៗ។ |
| Kinematics | ជាផ្នែកនៃរូបវិទ្យា និងគណិតវិទ្យាដែលគណនាចលនារបស់មនុស្សយន្ត។ វារួមមាន Forward Kinematics (គណនាទីតាំងចុងដៃដោយផ្អែកលើមុំសន្លាក់) និង Inverse Kinematics (គណនាមុំសន្លាក់នីមួយៗដើម្បីឱ្យចុងដៃទៅដល់ទីតាំងដែលចង់បាន)។ | ប្រៀបដូចជាការគិតក្នុងខួរក្បាលថាតើត្រូវបត់កែងដៃ និងស្មាមានមុំប៉ុន្មាន ដើម្បីលូកដៃទៅចាប់យកកែវទឹកនៅលើតុបានចំគោលដៅ។ |
| Motion Planning | គឺជាដំណើរការនៃការបង្កើតផ្លូវ ឬគន្លងធ្វើដំណើរដោយស្វ័យប្រវត្តិសម្រាប់ដៃមនុស្សយន្ត ពីទីតាំងបច្ចុប្បន្នទៅទីតាំងគោលដៅ ដោយធានាថាវាធ្វើចលនាដោយរលូន សុវត្ថិភាព និងមិនទៅបុកទង្គិចជាមួយឧបសគ្គផ្សេងៗ។ | ប្រៀបដូចជាការប្រើប្រាស់កម្មវិធីផែនទី (Google Maps) ដើម្បីរកផ្លូវដែលល្អ និងមានសុវត្ថិភាពបំផុតពីផ្ទះទៅសាលារៀន ដោយចៀសវាងផ្លូវដែលកំពុងស្ទះឬមានឧបសគ្គ។ |
| Bounding Box | ក្នុងប្រព័ន្ធកុំព្យូទ័រចក្ខុ វាគឺជាប្រអប់ចតុកោណកែងនិម្មិតដែលម៉ូដែលកុំព្យូទ័រគូសព័ទ្ធជុំវិញវត្ថុដែលវាបានរកឃើញក្នុងរូបភាព ដើម្បីបញ្ជាក់ពីទីតាំង ទំហំ និងព្រំដែននៃវត្ថុនោះយ៉ាងជាក់លាក់។ | ដូចជាការយកប៊ិចទៅគូសរង្វង់ ឬប្រអប់ព័ទ្ធជុំវិញមុខរបស់មនុស្សនៅក្នុងរូបថត ដើម្បីប្រាប់កុំព្យូទ័រថា "វត្ថុដែលយើងចង់បានគឺនៅត្រង់នេះ"។ |
| Mean Average Precision (mAP) | វាជារង្វាស់ស្តង់ដារមួយដែលប្រើសម្រាប់វាយតម្លៃគុណភាពម៉ូដែល AI ក្នុងការរកឃើញវត្ថុ ដោយគិតបញ្ចូលទាំងភាពច្បាស់លាស់នៃការគូសប្រអប់ទីតាំង (Localization) និងភាពត្រឹមត្រូវនៃការកំណត់ប្រភេទវត្ថុ (Classification)។ | ប្រៀបដូចជាពិន្ទុប្រឡងសរុបរបស់សិស្សម្នាក់ ដែលបង្ហាញពីសមត្ថភាពរួមរបស់គាត់ក្នុងការរកវត្ថុបានត្រូវកន្លែងផង និងកំណត់ឈ្មោះវត្ថុបានត្រឹមត្រូវផងចេញពី ១០០%។ |
| ROS MoveIt! | ជាកម្មវិធី ឬកញ្ចប់ឧបករណ៍ដ៏សំខាន់មួយនៅក្នុងប្រព័ន្ធ ROS ដែលជួយសម្រួលដល់ការធ្វើផែនការចលនា (Motion Planning) ការគណនា Kinematics និងយន្តការបញ្ជៀសការប៉ះទង្គិច សម្រាប់ប្រព័ន្ធដៃមនុស្សយន្ត។ | ប្រៀបដូចជាខួរក្បាលផ្នែកបញ្ជាចលនារបស់អ្នករាំ ដែលជួយគណនាថាតើត្រូវបត់បែនខ្លួនបែបណាដើម្បីកុំឱ្យទង្គិចជាមួយអ្នកដទៃនៅលើឆាក។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
