การพัฒนาแบบจำลองเกษตรอัจฉริยะ สำหรับการพยากรณ์ผลผลิตอ้อย

Abstract

This research presents a model for forecasting the sugarcane yield that substantially reduces current rates of assessment errors, providing a more reliable pre-harvest assessment tool for sugarcane production. This model integrates various environmental data obtained from sugar mill surveys and government agencies with the analysis of aerial images of sugarcane fields obtained with drones. The images enable the calculation of the proportion of unusable sugarcane (Defect rate) in the field. Defect rates can result from adverse weather or other cultivation issues. The model is developed on the principle of determining the yield not through data in regression form but rather through data in classification form. The reverse design method is applied for feature extraction of the input factors and the target outputs. The model utilizes data mining to recognize and classify the dataset from the sugarcane field. Results show that the optimal performance of the model is achieved when: 1) the number of Input Factors is five, 2) the number of Target Outputs is 32, and 3) the Random Forest algorithm is used. The model recognized the 2019 training data with an accuracy of 98.21%, and then it correctly forecasted the yield of the 2019 test data with an accuracy of 89.58% when compared to the actual yield. The model correctly forecasted the harvest yield of a 2020 dataset with an accuracy of 98.69%. The model is therefore an accurate and robust tool that can substantially reduce the issue of sugarcane yield estimate errors and provide the sugar mill with improved pre-harvest assessment of yield.

งานวิจัยนี้นำเสนอแบบจำลองสำหรับพยากรณ์ผลผลิตอ้อยที่ช่วยลดความคลาดเคลื่อนในการประเมินผลผลิตด้วยการพัฒนาเครื่องมือประเมินผลผลิตอ้อยที่มีความน่าเชื่อถือขึ้น แบบจำลองนี้รวบรวมข้อมูลสภาพแวดล้อมที่ได้การสำรวจจากโรงงานน้ำตาลและภาครัฐรวมเข้ากับการวิเคราะห์ภาพถ่ายทางอากาศของแปลงอ้อยด้วยอากาศยานไร้คนขับ ภาพของอากาศยานไร้คนขับถูกใช้ในการคำนวนสัดส่วนของอ้อยที่ใช้ไม่ได้ที่เรียกว่า จุดบกพร่องในแปลงอ้อย จุดบกพร่องของอ้อยสามารถบอกถึงสภาพอากาศที่ไม่เอื้ออำนวยและปัญหาการเพาะปลูกอื่น ๆ แบบจำลองถูกพัฒนาขึ้นบนพื้นฐานของการปรับข้อมูลในรูปแบบถดถอยเชิงเส้นให้อยู่ในข้อมูลรูปแบบจำแนก วิธีการออกแบบย้อนกลับจะถูกประยุกต์ใช้ในการสกัดลักษณะเด่นของปัจจัยนำเข้าและเอาต์พุตเป้าหมาย แบบจำลองประยุกต์ใช้เครื่องจักรเรียนรู้เพื่อจดจำและจำแนกชุดข้อมูลจากแปลงอ้อย ผลการวิจัยพบว่า แบบจำลองมีประสิทธิภาพที่เหมาะสมเมื่อประกอบด้วย 1) 5 ปัจจัยนำเข้า 2) 32 เอาต์พุตเป้าหมาย และ 3) แบบจำลองประยุกต์ใช้อัลกอริทึม Random Forest ซึ่งแบบจำลองสามารถจดจำชุดข้อมูลฝึกฝนในปี 2561 ได้ด้วยความถูกต้อง 98.21 เปอร์เซ็นต์ และแบบจำลองพยากรณ์ผลผลิตจากข้อมูลทดสอบในปี 2561 ได้ด้วยความถูกต้อง 89.58 เปอร์เซ็นต์ เมื่อเปรียบเทียบกับผลผลิตจริง จากนั้นแบบจำลองได้พยากรณ์ผลผลิตของชุดข้อมูลปี 2562 ได้ด้วยความถูกต้อง 98.69 เปอร์เซ็นต์ ดังนั้นแบบจำลองพยากรณ์ผลผลิตอ้อยจึงเป็นเครื่องมือที่มีความถูกต้องและน่าเชื่อถือซึ่งแบบจำลองสามารถลดปัญหาในการประเมินผลผลิตที่คลาดเคลื่อนและโรงงานน้ำตาลสามารถประเมินผลผลิตก่อนการเก็บเกี่ยวได้ดีขึ้น