การตรวจวัดความชื้นของผลผลิตทางการเกษตรอย่างชาญฉลาดด้วยการเรียนรู้ของเครื่อง
Smart Detection of Moisture Content of Agricultural Products by Using Machine Learning
ทีมวิจัย
ศาสตราจารย์ ดร.ดนัย ต.รุ่งเรือง
หัวหน้าโครงการ · คณะครุศาสตร์อุตสาหกรรม
ศาสตราจารย์ ดร.ฐิติพงษ์ เลิศวิริยะประภา
ผู้ร่วมวิจัย · คณะครุศาสตร์อุตสาหกรรม
ผู้ช่วยศาสตราจารย์ ดร.กิตติศักดิ์ แพบัว
ผู้ร่วมวิจัย · คณะครุศาสตร์อุตสาหกรรม
อาจารย์ ดร.สังวรณ์ กิตติวิทยาพงศ์
ผู้ร่วมวิจัย · คณะครุศาสตร์อุตสาหกรรม
Chuwong Phongcharoenpanich
ผู้ร่วมวิจัย
ภานุวัฒน์ จันทรภักดี
ผู้ร่วมวิจัย
รองศาสตราจารย์ศุภกิต แก้วดวงตา
ผู้ร่วมวิจัย
ผลการวิเคราะห์ AI
การเชื่อมโยงกับเป้าหมายการพัฒนาที่ยั่งยืน (SDGs)
เป้าหมายที่ 2 ขจัดความหิวโหย
ความเชื่อมโยง: โครงการเกี่ยวข้องกับการใช้ Machine Learning ในการตรวจวัดความชื้นของผลผลิตทางการเกษตร ซึ่งช่วยลดความสูญเสียหลังการเก็บเกี่ยวและส่งเสริมความมั่นคงทางอาหาร
เป้าหมายย่อยที่ 2.4 — สร้างหลักประกันว่าจะมีระบบการผลิตอาหารที่ยั่งยืนและดำเนินการตามแนวปฏิบัติทางการเกษตรที่มีภูมิคุ้มกันที่จะเพิ่มผลิตภาพและการผลิต ซึ่งจะช่วยรักษาระบบนิเวศ เสริมขีดความสามารถในการปรับตัวต่อการเปลี่ยนแปลงสภาพภูมิอากาศ ภาวะอากาศรุนแรง ภัยแล้ง อุทกภัย และภัยพิบัติอื่น ๆ และจะช่วยพัฒนาคุณภาพของดินและที่ดินอย่างต่อเนื่อง ภายในปี พ.ศ. 2573
ความเชื่อมโยง: การตรวจวัดความชื้นอย่างชาญฉลาดช่วยให้เกษตรกรจัดการผลผลิตหลังการเก็บเกี่ยวได้อย่างมีประสิทธิภาพ ลดการเน่าเสีย
ตัวชี้วัดที่ 2.4.1 — ร้อยละของพื้นที่เกษตรที่มีการทำการเกษตรอย่างมีผลิตภาพและยั่งยืน
ความเชื่อมโยง: เทคโนโลยี ML ช่วยเพิ่มสัดส่วนพื้นที่เกษตรกรรมที่มีการจัดการผลผลิตอย่างยั่งยืน
เป้าหมายที่ 9 อุตสาหกรรม นวัตกรรม และโครงสร้างพื้นฐาน
ความเชื่อมโยง: การประยุกต์ใช้ Machine Learning สำหรับการตรวจวัดความชื้นเป็นนวัตกรรมเทคโนโลยีเพื่อเกษตรอัจฉริยะ
เป้าหมายย่อยที่ 9.5 — เพิ่มพูนการวิจัยทางวิทยาศาสตร์ยกระดับขีดความสามารถทางเทคโนโลยีของภาคอุตสาหกรรมในทุกประเทศ โดยเฉพาะในประเทศกำลังพัฒนา และให้ภายในปี พ.ศ. 2573 มีการส่งเสริมนวัตกรรมและให้เพิ่มจำนวนผู้ทำงานวิจัยและพัฒนา ต่อประชากร 1 ล้านคน และเพิ่มค่าใช้จ่ายในการวิจัยและพัฒนาในภาครัฐและเอกชน
ความเชื่อมโยง: การพัฒนาระบบตรวจวัดความชื้นด้วย ML เป็นการวิจัยและพัฒนาเทคโนโลยี AI เพื่อการเกษตร
ตัวชี้วัดที่ 9.5.1 — สัดส่วนของค่าใช้จ่ายด้านการวิจัยและพัฒนา ต่อ GDP
ความเชื่อมโยง: โครงการนี้เป็นการลงทุนในด้าน R&D เทคโนโลยีเกษตรอัจฉริยะ
เป้าหมายย่อยที่ 9.B — สนับสนุนการพัฒนาเทคโนโลยี การวิจัยและนวัตกรรมภายในประเทศกำลังพัฒนา รวมถึงการให้มีสภาพแวดล้อมทางนโยบายที่นำไปสู่ความหลากหลายของอุตสาหกรรมและการเพิ่มมูลค่าของสินค้าโภคภัณฑ์
ความเชื่อมโยง: การพัฒนาเทคโนโลยี ML สำหรับการเกษตรเป็นการสนับสนุนนวัตกรรมภายในประเทศ
ตัวชี้วัดที่ 9.B.1 — สัดส่วนมูลค่าเพิ่มของอุตสาหกรรมเทคโนโลยีระดับสูง และระดับกลาง ต่อมูลค่าเพิ่มรวมทั้งหมด
ความเชื่อมโยง: โครงการช่วยเพิ่มมูลค่าเทคโนโลยีขั้นสูงในภาคเกษตรกรรม
เป้าหมายที่ 12 การบริโภคและผลิตอย่างยั่งยืน
ความเชื่อมโยง: การตรวจวัดความชื้นอย่างแม่นยำช่วยลดการสูญเสียอาหารหลังการเก็บเกี่ยว
เป้าหมายย่อยที่ 12.3 — ลดของเสียอาหาร (food waste) ของโลกลงครึ่งหนึ่งในระดับค้าปลีกและผู้บริโภค และลดการสูญเสียอาหาร (food loss) ตลอดการผลิตและห่วงโซ่อุปทาน รวมถึงการสูญเสียหลังการเก็บเกี่ยว ภายในปี พ.ศ. 2573
ความเชื่อมโยง: เทคโนโลยีตรวจวัดความชื้นช่วยลดการสูญเสียอาหารในกระบวนการหลังการเก็บเกี่ยว
ตัวชี้วัดที่ 12.3.1 — (ก) ดัชนีการสูญเสียอาหาร (ข) ดัชนีของเสียอาหาร
ความเชื่อมโยง: โครงการมีส่วนช่วยลดดัชนีการสูญเสียอาหารในภาคเกษตรกรรม