Implementing Predictive Analytics to Optimize Parameter for Automation Vertical Farming Using Deep Learning
ผู้ร่วมเขียนบทความ
รองศาสตราจารย์ ดร.ศศิธร ชูแก้ว
First Author · คณะครุศาสตร์อุตสาหกรรม
รองศาสตราจารย์ ดร.ศุภชัย หอวิมานพร
Corresponding · คณะครุศาสตร์อุตสาหกรรม
ข้อมูลการตีพิมพ์
- ประเภทบทความวารสาร
- International Journal of Mechanical Engineering and Robotics Research
- โครงการวิจัย/บริการวิชาการ ที่เกี่ยวข้อง
- —
- วารสาร/หนังสือ ที่ตีพิมพ์
- International Journal of Mechanical Engineering and Robotics Research
- ISSN
- 22780149
- ฐานข้อมูลที่ตีพิมพ์
- Scopus
- ปีที่ (Volume)
- 14
- ฉบับที่ (Number)
- 3
- หน้าที่ตีพิมพ์
- 262-275
- รหัส DOI
- 10.18178/ijmerr.14.3.262-275
- วันที่ตีพิมพ์ (พ.ศ.)
- 1 ม.ค. 2568
ผลการวิเคราะห์ AI
การเชื่อมโยงกับเป้าหมายการพัฒนาที่ยั่งยืน (SDGs)
เป้าหมายที่ 2 ขจัดความหิวโหย
ความเชื่อมโยง: งานวิจัยนี้มุ่งเน้นการเพิ่มประสิทธิภาพการทำเกษตรแนวตั้ง (Vertical Farming) ผ่านเทคโนโลยี Deep Learning ซึ่งช่วยเพิ่มผลผลิตทางการเกษตรในพื้นที่จำกัดและควบคุมสภาพแวดล้อมให้เหมาะสม ลดความเสี่ยงในการขาดแคลนอาหาร
เป้าหมายย่อยที่ 2.4 — สร้างหลักประกันว่าจะมีระบบการผลิตอาหารที่ยั่งยืนและดำเนินการตามแนวปฏิบัติทางการเกษตรที่มีภูมิคุ้มกันที่จะเพิ่มผลิตภาพและการผลิต ซึ่งจะช่วยรักษาระบบนิเวศ เสริมขีดความสามารถในการปรับตัวต่อการเปลี่ยนแปลงสภาพภูมิอากาศ ภาวะอากาศรุนแรง ภัยแล้ง อุทกภัย และภัยพิบัติอื่น ๆ และจะช่วยพัฒนาคุณภาพของดินและที่ดินอย่างต่อเนื่อง ภายในปี พ.ศ. 2573
ความเชื่อมโยง: การใช้ระบบอัตโนมัติและการวิเคราะห์ข้อมูลเชิงคาดการณ์ช่วยสร้างระบบการผลิตอาหารที่ยั่งยืนและมีประสิทธิภาพสูงขึ้น ช่วยให้การเกษตรสามารถปรับตัวต่อข้อจำกัดด้านพื้นที่และทรัพยากรได้ดีขึ้น
ตัวชี้วัดที่ 2.4.1 — ร้อยละของพื้นที่เกษตรที่มีการทำการเกษตรอย่างมีผลิตภาพและยั่งยืน
ความเชื่อมโยง: การนำเทคโนโลยี Deep Learning มาใช้ในฟาร์มแนวตั้งเป็นการเพิ่มสัดส่วนพื้นที่เกษตรกรรมที่มีการบริหารจัดการอย่างยั่งยืนและใช้ทรัพยากรอย่างคุ้มค่า
เป้าหมายที่ 9 อุตสาหกรรม นวัตกรรม และโครงสร้างพื้นฐาน
ความเชื่อมโยง: บทความนี้นำเสนอการใช้นวัตกรรมด้านปัญญาประดิษฐ์ (AI) และระบบอัตโนมัติในอุตสาหกรรมการเกษตร ซึ่งเป็นการยกระดับโครงสร้างพื้นฐานทางเทคโนโลยีและการวิจัยเชิงอุตสาหกรรม
เป้าหมายย่อยที่ 9.5 — เพิ่มพูนการวิจัยทางวิทยาศาสตร์ยกระดับขีดความสามารถทางเทคโนโลยีของภาคอุตสาหกรรมในทุกประเทศ โดยเฉพาะในประเทศกำลังพัฒนา และให้ภายในปี พ.ศ. 2573 มีการส่งเสริมนวัตกรรมและให้เพิ่มจำนวนผู้ทำงานวิจัยและพัฒนา ต่อประชากร 1 ล้านคน และเพิ่มค่าใช้จ่ายในการวิจัยและพัฒนาในภาครัฐและเอกชน
ความเชื่อมโยง: เป็นการเสริมสร้างการวิจัยทางวิทยาศาสตร์และอัปเกรดขีดความสามารถทางเทคโนโลยีในภาคอุตสาหกรรมการเกษตรผ่านการพัฒนาโมเดลการเรียนรู้เชิงลึก
ตัวชี้วัดที่ 9.5.1 — สัดส่วนของค่าใช้จ่ายด้านการวิจัยและพัฒนา ต่อ GDP
ความเชื่อมโยง: งานวิจัยนี้สะท้อนถึงการลงทุนและการดำเนินงานด้านการวิจัยและพัฒนา (R&D) เพื่อสร้างนวัตกรรมในการเพิ่มผลผลิต
เป้าหมายที่ 12 การบริโภคและผลิตอย่างยั่งยืน
ความเชื่อมโยง: การใช้ Predictive Analytics เพื่อปรับค่าพารามิเตอร์ให้เหมาะสม (Optimize) ช่วยลดการสูญเสียทรัพยากร เช่น น้ำ ปุ๋ย และพลังงาน ในกระบวนการผลิต ทำให้เกิดการบริโภคและการผลิตที่ยั่งยืน
เป้าหมายย่อยที่ 12.2 — บรรลุการจัดการที่ยั่งยืนและการใช้ทรัพยากรธรรมชาติอย่างมีประสิทธิภาพ ภายในปี พ.ศ. 2573
ความเชื่อมโยง: การใช้ Deep Learning ควบคุมระบบอัตโนมัติช่วยให้การจัดการและการใช้ทรัพยากรธรรมชาติในกระบวนการปลูกพืชเป็นไปอย่างมีประสิทธิภาพสูงสุด
ตัวชี้วัดที่ 12.2.1 — ร่องรอบการใช้วัตถุดิบ (Material Footprint) ร่องรอยการใช้วัตถุดิบต่อหัวประชากร และต่อผลิตภัณฑ์มวลรวมในประเทศ (GDP)
ความเชื่อมโยง: เทคโนโลยีนี้ช่วยลดรอยเท้าทางวัสดุ (Material Footprint) ในการผลิตอาหารต่อหน่วยผลผลิตที่ได้รับ