การพัฒนาระบบฐานข้อมูลดินเพื่อการผลิตมันสำปะหลังอินทรีย์เพื่อสนับสนุนระบบเกษตรอัจฉริยะโดยใช้เทคโนโลยีบริหารจัดการข้อมูลขนาดใหญ่
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์ เพื่อพัฒนาระบบฐานข้อมูลดิน เพื่อการผลิตมันสำปะหลังอินทรีย์ โดยประยุกต์ใช้นวัตกรรมเกษตรแบบเปิด เกษตรแม่นยำ และฟาร์มอัจฉริยะ ระบบที่พัฒนาขึ้นสามารถตรวจวัดสภาพและคุณสมบัติของดินได้อย่างต่อเนื่องผ่านเทคโนโลยีอินเทอร์เน็ตของสรรพสิ่ง (Internet of things: IoT) เพื่อให้ได้ค่าที่เหมาะสมต่อความต้องการของพืช (Crop requirement) การประมวลผลและจัดการข้อมูลดำเนินการโดยใช้เทคโนโลยีการบริหารจัดการข้อมูลขนาดใหญ่ (Big data management technology) ร่วมกับการทำเหมืองข้อมูล (Data mining) และการวิเคราะห์แบบจัดกลุ่ม (Cluster analysis) เพื่อสังเคราะห์ข้อมูลจากอุปกรณ์ตรวจวัดและระบบควบคุมอัตโนมัติ ผลการออกแบบและทดสอบระบบพบว่า ตัวแปรด้านสิ่งแวดล้อม ได้แก่ สเปกตรัมของแสง (Spectra of light) ความเข้มของแสง (Intensity of light) อุณหภูมิ (Temperature) และความชื้นของดิน (Soil humidity) มีอิทธิพลต่อค่าที่เหมาะสมของการปลูกพืช (Crop requirement) อย่างมีนัยสำคัญทางสถิติ ระบบที่พัฒนาขึ้นสามารถสนับสนุนการเกษตรอัจฉริยะ เพิ่มประสิทธิภาพการผลิต และยกระดับศักยภาพของเกษตรกรในการผลิตมันสำปะหลังอินทรีย์อย่างยั่งยืน
Article Details
เอกสารอ้างอิง
Ouafiq, E., Elrharras, A., Mehdary, A., Chehri, A., Saadane, R. and Wahbi, M., 2021, IoT in Smart Farming Analytics Big Data Based Architecture, Intelligent Systems, Springer, pp. 269–279.
Slalmi, A., Chaibi, H., Saadane, R., Chehri, A., Jeon, G. and Aroussi, H.K., 2021, Energy-efficient and self-organizing internet of things networks for soil monitoring in smart farming, Comput. Electr. Eng. 92: 107142.
Saad, A. and Gamatié, A., 2020, A survey on current challenges and technological solutions: water management in agriculture, IEEE Access. 8: 38082–38097.
Chehri, A., Chaibi, H., Saadane, R., Hakem, N. and Wahbi, M.A., 2020, Framework of Optimizing the Deployment of IoT for Precision Agriculture Industry, Proceedings of the 24th International Conference on Knowledge-Based and Intelligent Information and Engineering Systems, Procedia Comput. Sci, Elsevier, pp. 2414–2422.
Glaroudis, D., Iossifides, A. and Chatzimisios, P., 2020, Survey comparison and research challenges of ioT application protocols for smart farming, Comput. Netw. 168: 107037.
Khanna, A. and Kaur, S., 2019, Evolution of internet of things (IoT) and its significant impact in the field of precision agriculture, Comput. Electron. Agric. 157: 218–231.
Elijah, O., Rahman, T.A., Orikumhi, I., Leow, C.Y. and Hindia, M.N., 2018, An overview of internet of things (IoT) and data analytics in agriculture: benefits and challenges, IEEE Internet Things J. 5: 3758–3773.
Maddikunta, P.K.R., Pham, Q.-V., Prabadevi, B., Deepa, N., Dev, K., Gadekallu, T.R., Ruby, R. and Liyanage, M., 2021, A Survey on Enabling Technologies and Potential Applications: Industry 5.0, Materials Today: Proceedings, Elsevier, p. 0100257.
Shi, X., An, X., Zhao, Q., Liu, H., Sun, X. and Guo, Y., 2019, State-of-the-art internet of things in protected agriculture, Sensors. 19: 1833.
Yang, X., Shu, L., Chen, J., Ferrag, M.A., Wu, J., Nurellari, E. and Huang, K., 2020, A survey on smart agriculture: development modes, technologies, and security and privacy challenges, IEEE/CAA J. Autom. Sin. 8: 273–302.
Quadar, N., Chehri, A., Jeon, G. and Ahmad, A., 2021, Smart Water Distribution System Based on IoT Networks: A Critical Review, pp. 293–303, In (Editors), Systems and Technologies, Springer.
Quadar, N., Chehri, A., Jeon, G. and Ahmad, A., 2021, Smart Water Distribution System Based on IoT Networks: A Critical Review, pp. 293–303, In (Editors), Systems and Technologies, Springer.
Feng, X., Yan, F. and Liu, X., 2019, Study of wireless communication technologies on internet of things for precision agriculture, Wirel. Pers. Commun. 108: 1785–1802.
Nevavuori, P., Narra, N. and Lipping, T., 2019, Crop yield prediction with deep convolutional neuraln networks, Comput. Electron. Agric. 163: 104859.
Almadani, B. and Mostafa, S.M., 2021, IoT-based multimodal communication model for agriculture and agro-industries, IEEE Access. 9: 10070–10088.
Digital Government Development Agency 2024, Public Organization (DGA), Available Source: https://data.go.th/dataset/dataoae1304, May 8, 2024. (in Thai)
Laosai, J. and Chamnongthai, K., 2014, Acute Leukemia Classification by Using SVM and K-Means Clustering, Proceedings of the International Electrical Engineering Congress (iEECON 2014), IEEE, Pattaya, Thailand, pp. 1–4. (in Thai)
