การพัฒนาระบบตรวจวินิจฉัยโรคใบของดาวเรืองด้วยเทคโนโลยีไอโอทีเพื่อรองรับการเป็นเกษตรอัจฉริยะ
คำสำคัญ:
โรคใบจุด, ไอโอที, ดอกดาวเรืองบทคัดย่อ
ระบบตรวจสอบโรควินิจฉัยโรคใบของดาวเรืองด้วยเทคโนโลยีไอโอที มีวัตถุประสงค์เพื่อ 1) พัฒนาอัลกอริทึมสำหรับตรวจวินิจฉัยโรคใบของดาวเรืองด้วยเทคโนโลยีไอโอที 2) เพื่อเพิ่มประสิทธิภาพการพิจารณาโรคใบจุดด้วยเทคโนโลยีไอโอที ซึ่งเป็นการตรวจวัดและประเมินผลการระบาดของโรคพืชเพื่อป้องกันผลผลิตลดต่ำลงได้เป็นอย่างดีโดยใช้ข้อมูลภาพถ่าย และได้นำเทคนิคซัพพอร์ตเวคเตอร์แมชชีนมาช่วยในการพิจารณาโรคใบจุดดาวเรือง ทั้งนี้ในการทดสอบประสิทธิภาพโมเดล พบว่าเทคนิคซัพพอร์ตเวคเตอร์แมชชีนให้ผลลัพธ์ที่ 86 เปอร์เซ็นต์ นอกจากนี้ผลการประเมินความพึงพอใจต่อเทคนิคการวินิจฉัยโรคใบจุดของดาวเรืองด้วยเทคโนโลยีไอโอทีจากเกษตรกรกลุ่มตัวอย่างจำนวน 30 คน ได้ระดับความพึงพอใจในระดับมากที่สุด ที่ระดับค่าเฉลี่ย 4.46 ค่าส่วนเบี่ยงเบนมาตรฐานเท่ากับ 0.53 รวมทั้งผลการทดสอบประสิทธิภาพการวินิจฉัยโรคใบจุดก่อนและหลังมีการใช้งานระบบไอโอที พบว่ามีความแตกต่างอย่างมีนัยสำคัญ ดังนั้นเทคนิคการวินิจฉัยโรคใบของดาวเรืองด้วยเทคโนโลยีไอโอที สามารถสนับสนุนเกษตรกรด้านการตรวจเช็คโรคของใบได้อย่างมีประสิทธิภาพ
References
กฤตพร เอี่ยมสอิ้ง. (2562). การพัฒนาระบบเซ็นเซอร์สภาพแวดล้อมสำหรับการประเมินระบบการตรวจสอบคุณภาพของดินในการปลูกข้าวโพดเลี้ยงสัตว์โดยใช้ IoT และ FOSS4G. วิทยานิพนธ์วิทยาศาสตรบัณฑิต, มหาวิทยาลัยนเรศวร.
กอบเกียรติ สระอุบล. (2561). พัฒนา IoT บนแพลตฟอร์ม Arduino และ Raspberry pi. กรุงเทพฯ: อินเตอร์มีเดีย.
ธรัช อารีราษฎร์ และวรปภา อารีราษฎร์. (2563). ระบบไอโอทีสำหรับการตรวจสอบความชื้นและอุณหภูมิเพื่อส่งเสริมการเพาะเลี้ยงเห็ดในโรงเรือนให้มีผลผลิตที่สมบูรณ์. วารสารวิชาการการประยุกต์ใช้เทคโนโลยีสารสนเทศ, 6(1), 7-17.
วิวัฒน์ มีสุวรรณ์. (2559). อินเทอร์เน็ตเพื่อสรรพสิ่ง (Internet of things) กับการศึกษา. วารสารวิชาการนวัตกรรมสื่อสารสังคม, 4(2), 83-92.
อมรรัตน์ ภู่ไพบูลย์, ยุทธศักดิ์ เจียมไชยศรี, อภิรัชต์ สมฤทธิ์ และธารทิพย์ ภาสบุตร. (2556). การจัดการโรคใบไหม้ของมันฝรั่งที่มีสาเหตุจากรา Phytophthora infestans (Mont.) de Bary. ใน รายงานผลงานวิจัยประจำปี 2556 เล่ม 4 เอกสารวิชาการเลขที่ 1/2557 (หน้า 2829-2839). กรุงเทพฯ: กรมวิชาการเกษตร, สำนักวิจัยพัฒนาการอารักขาพืช.
Korkut, U. B., Göktürk, Ö. B., & Yildiz, O. (2018). Detection of plant diseases by machine learning. In 2018 26th Signal Processing and Communications Applications Conference (SIU 2018) (pp. 2175-2178). doi:10.1109/SIU.2018.8404692
Meunkaewjinda, A., Kumsawat, P., Attakitmongcol, K., & Srikaew, A. (2008). Grape leaf disease detection from color imagery using hybrid intelligent system. In Proceedings of the 2008 5th International Conference on Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology (pp. 513-516). doi: 10.1109/ECTICON.2008.4600483
Pérez, A. J., López, F., Benlloch, J. V., & Christensen, S. (2000). Colour and shape analysis techniques for weed detection in cereal fields. Computers and Electronics in Agriculture, 25(3), 197-212. doi:10.1016/S0168-1699(99)00068-X
Wang S.-J., Mathew, A., Chen, Y., Xi, L.-F., Ma, L., & Lee, J. (2009). Empirical analysis of support vector machine ensemble classifiers. Expert Systems with Applications, 36(3), 6466-6476. doi:10.1016/j.eswa.2008.07.041
