AI ช่วยเกษตรกรคาดการณ์เวลาเก็บเกี่ยวผลไม้แม่นยำขึ้น
เทคโนโลยี AI กล้องติดรถแทรกเตอร์ และโดรนราคาประหยัดกำลังเข้ามาช่วยเกษตรกรในสหรัฐฯ และสหราชอาณาจักรวิเคราะห์ผลผลิตและกำหนดวันเก็บเกี่ยว

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- เทคโนโลยี AI และกล้องช่วยเกษตรกรคาดการณ์ผลผลิตและเวลาเก็บเกี่ยว
- บริษัท Okanagan Specialty Fruits ใช้กล้องจาก Vivid Machines ติดบนรถแทรกเตอร์
- FruitCast ในสหราชอาณาจักรวิเคราะห์ภาพจากโดรนและสมาร์ตโฟนเพื่อพยากรณ์ผลผลิต
- เกษตรกรและผู้เชี่ยวชาญมองว่า AI เป็นเครื่องมือเสริม แต่การตัดสินใจยังต้องพึ่งพามนุษย์
การเลือกช่วงเวลาเก็บเกี่ยวผลผลิตถือเป็นเรื่องสำคัญอย่างยิ่งสำหรับเกษตรกร โดยเฉพาะเมื่อต้องเผชิญกับสภาพอากาศที่แปรปรวน เช่น กรณีของบริษัทปลูกแอปเปอร์ตระกูลคาร์เตอร์ในรัฐวอชิงตันที่มีพื้นที่สวนกว่า 1,250 เอเคอร์ ซึ่งผลผลิตส่วนใหญ่ถูกนำไปแปรรูปเป็นแอปเปิลหั่นชิ้นส่งให้กับโรงแรมและโรงเรียน ทางบริษัทได้ลงทุนนำเทคโนโลยีใหม่ๆ เข้ามาช่วยเพิ่มผลผลิต พร้อมทั้งปลูกแอปเปิลดัดแปลงพันธุกรรมที่ไม่เปลี่ยนเป็นสีน้ำตาลได้ง่ายหลังถูกปอก
อย่างไรก็ตาม การวางแผนเก็บเกี่ยวนั้นไม่ใช่เรื่องง่าย เนื่องจากราคาผลผลิตโดยเฉพาะผลไม้ราคาสูงอย่างสตรอว์เบอร์รีหรือบลูเบอร์รีมีความผันผวนสูง หากประเมินวันเก็บเกี่ยวคลาดเคลื่อนอาจทำให้จ้างแรงงานตามฤดูกาลเกินความจำเป็นและพลาดโอกาสทำกำไรสูงสุด ปัจจุบันบริษัท Okanagan Specialty Fruits จึงทดลองใช้กล้องจากบริษัทแคนาดาที่ชื่อว่า Vivid Machines ติดตั้งบนหลังรถแทรกเตอร์เพื่อบันทึกภาพต้นแอปเปิลขณะรถแล่นผ่าน โดย AI จะทำหน้าที่ตรวจจับตุ่มดอก ดอกไม้ และผลไม้จากภาพเหล่านั้น

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
คาร์เตอร์ระบุว่าระบบดังกล่าวสามารถประเมินปริมาณผลผลิตและบอกช่วงเวลาเก็บเกี่ยวได้ รวมถึงมองเห็นตุ่มดอกขนาดจิ๋วที่ยากจะสังเกตด้วยตาเปล่าได้อย่างแม่นยำ แอปเปิลยังมีความยืดหยุ่นพอสมควรเพราะช่วงเวลาเก็บเกี่ยวพันธุ์แกรนนี่สมิธยาวนานถึง 3 สัปดาห์ แต่สำหรับผลไม้อื่นอย่างเบอร์รีจะมีเวลาเก็บเกี่ยวเพียงไม่กี่วันเท่านั้น
"หากสตรอว์เบอร์รีสุกแล้ว คุณต้องเก็บเกี่ยวทันที มิฉะนั้นผลผลิตทั้งหมดจะเน่าเสียอย่างรวดเร็วมาก"
เรย์มอนด์ มาร์ติน ผู้ร่วมก่อตั้งและประธานเจ้าหน้าที่ฝ่ายปฏิบัติการของ FruitCast
เรย์มอนด์ มาร์ติน ผู้ร่วมก่อตั้งและประธานเจ้าหน้าที่ฝ่ายปฏิบัติการของ FruitCast บริษัทในสหราชอาณาจักรที่ให้บริการพยากรณ์การเก็บเกี่ยว อธิบายว่าระบบของบริษัทจะวิเคราะห์ภาพผลไม้ที่กำลังสุกซึ่งบันทึกจากโดรน สมาร์ตโฟนของผู้ที่เดินสำรวจแปลง หรือกล้องที่ติดบนยานพาหนะทางการเกษตร โดยโมเดลนี้ได้นำปัจจัยด้านสภาพอากาศและระบบชลประทานมาร่วมคำนวณด้วย
การนำเทคโนโลยี AI และการวิเคราะห์ภาพมาใช้ในภาคเกษตรกรรมสะท้อนให้เห็นถึงความพยายามในการลดความเสี่ยงจากความแปรปรวนของสภาพภูมิอากาศโลก ซึ่งส่งผลกระทบต่อรอบการเจริญเติบโตของพืชอย่างหลีกเลี่ยงไม่ได้ อย่างไรก็ตาม ความท้าทายสำคัญที่นักวิจัยและบริษัทเทคโนโลยีต้องเผชิญคือการสร้างความไว้วางใจให้แก่เกษตรกร เนื่องจากข้อมูลการจัดการฟาร์มถือเป็นความลับทางการค้าที่อ่อนไหว
บริษัท FruitCast ระบุว่าผลการพยากรณ์ของพวกเขามีความคลาดเคลื่อนไม่เกิน 10% จากปริมาณที่เก็บเกี่ยวจริงเมื่อวัดล่วงหน้า 1 สัปดาห์ และไม่เกิน 17% หากวัดล่วงหน้า 3 สัปดาห์ โดยมีการรับประกันความผิดพลาดต่ำกว่า 20% นอกจากนี้ ดริสคอลส์ (Driscoll's) ผู้ขายผลไม้ที่มีสำนักงานใหญ่ในแคลิฟอร์เนียและดำเนินกิจการขนาดใหญ่ในสหราชอาณาจักร ก็ยืนยันว่าเกษตรกรอิสระบางรายในสหราชอาณาจักรได้ใช้งานเทคโนโลยีของ FruitCast เช่นกัน
ในขณะเดียวกัน นักวิจัยกำลังพัฒนาวิธีการวิเคราะห์ความสุกของผลไม้ในระดับที่ละเอียดยิ่งขึ้น เช่น ยาซามัน กาเซมปูร์ จากมหาวิทยาลัย กำลังพัฒนาเครื่องมือตรวจจับความสุกโดยใช้คลื่นมิลลิเมตร ซึ่งผ่านการทดลองใช้โดยพนักงานในตลาดท้องถิ่นที่รัฐนิวเจอร์ซีย์ ด้านจิง จาง จากมหาวิทยาลัยนําสเตตแห่งนอร์ทแคโรไลนา กำลังพัฒนาระบบนับจำนวนบลูเบอร์รีจากภาพถ่ายสมาร์ตโฟนโดยอัตโนมัติ และเควิน หวัง จากมหาวิทยาลัยฟลอริด้า ได้สร้างเครื่องมือประเมินผลผลิตที่ดึงภาพจากโดรนราคาประหยัดเพียง 100 ดอลลาร์ (ประมาณ 74 ปอนด์) ได้
แม้เทคโนโลยีเหล่านี้จะมีแนวโน้มที่ดี แต่เบน พาโลน ผู้อำนวยการอาวุโสฝ่ายระบบอัตโนมัติและการพาณิชย์ของ Western Growers สมาคมตัวแทนเกษตรกรในสหรัฐฯ ภาคตะวันตก มองว่าเกษตรกรส่วนใหญ่จะยังคงพึ่งพาภูมิปัญญาและสัญชาตญาณของมนุษย์ โดยระบุว่าเกษตรกรชื่นชอบที่จะให้มีคนเข้ามามีส่วนร่วมในการตัดสินใจเรื่องสำคัญอย่างยิ่งโดยเฉพาะช่วงเวลาเก็บเกี่ยว
ที่มา: BBC Science & Environment
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น