Thitirath Kinaret
นักวิจัยจากญี่ปุ่นพัฒนาหุ่นยนต์เก็บมะเขือเทศที่สามารถ “คิดก่อนเก็บ” โดยประเมินความยากง่ายก่อนลงมือจริง ใช้กล้องและ AI วิเคราะห์ความสุก ตำแหน่งก้าน และสิ่งกีดขวาง เพื่อเลือกมุมเก็บที่เหมาะสมที่สุด ผลทดสอบเก็บสำเร็จถึง 81% และเป็นก้าวสำคัญสู่ฟาร์มที่มนุษย์กับหุ่นยนต์ทำงานร่วมกัน
“คิดก่อนเก็บ” หุ่นยนต์เกษตรที่เก็บมะเขือเทศแม่นยำถึง 81%
ณ ปัจจุบันการขาดแคลนแรงงานในภาคเกษตรกรรมกำลังเป็นปัญหาใหญ่ ซึ่งทางออกก็คือ การใช้หุ่นยนต์ที่สามารถเก็บเกี่ยวพืชผลแบบอัตโนมัติมาช่วยลดแรงงานมนุษย์
แต่ปัญหาก็คือหุ่นยนต์จะไม่รู้ว่าต้องเก็บผลไหน ต้องเก็บอย่างไรไม่ให้ผลอื่นเสียหาย เช่น มะเขือเทศที่ออกผลเป็นพวง หุ่นยนต์ต้องเก็บเฉพาะผลที่สุกเท่านั้น และจะต้องไม่ทำลายผลอื่น ๆ ที่อยู่ในพวงเดียวกัน เพื่อให้การเก็บเกี่ยวมีประสิทธิภาพสูงสุด
คิดก่อนเก็บ
เพื่อแก้ปัญหานี้ผู้ช่วยศาสตราจารย์ Takuya Fujinaga จากมหาวิทยาลัย Osaka Metropolitan ได้พัฒนาวิธีการที่ช่วยให้หุ่นยนต์สามารถประเมินการเก็บเกี่ยวมะเขือเทศแต่ละลูก ก่อนที่จะเก็บเกี่ยว เรียกว่า “คิดก่อนเก็บ”
วิธีการของ Fujinaga ก็คือ การผสมผสานการจดจำภาพเข้ากับการวิเคราะห์ทางสถิติ เพื่อกำหนดทิศทางที่ดีที่สุดในการเก็บเกี่ยวมะเขือเทศแต่ละลูก ระบบจะวิเคราะห์ข้อมูลภาพเกี่ยวกับผลไม้ รูปทรงและตำแหน่งของก้าน รวมถึงว่ามะเขือเทศถูกใบไม้หรือส่วนอื่น ๆ ของพืชบดบังบางส่วนหรือไม่
ด้วยการพิจารณาปัจจัยเหล่านี้ หุ่นยนต์สามารถตัดสินใจควบคุมได้อย่างรอบคอบมากขึ้น และเลือกวิธีการที่มีโอกาสเก็บเกี่ยวสำเร็จสูงสุด
โมเดลนี้แสดงถึงการเปลี่ยนจุดสนใจจากโมเดล “การตรวจจับ/การจดจำ” (detection/recognition แบบเดิม ไปสู่สิ่งที่ Fujinaga เรียกว่า “การประเมินความง่ายในการเก็บเกี่ยว” (harvest‑ease estimation)
Fujinaga อธิบายว่า “สิ่งนี้ก้าวข้ามจากคำถามง่าย ๆ ว่าหุ่นยนต์เก็บมะเขือเทศได้หรือไม่ ไปสู่การคิดว่า “มีโอกาสเก็บเกี่ยวสำเร็จมากน้อยแค่ไหน” ซึ่งมีความหมายมากกว่าสำหรับการทำฟาร์มในโลกแห่งความเป็นจริง”
การประเมินโอกาสเก็บเกี่ยวสำเร็จ ไม่ใช่แค่การตรวจจับ
ในการทดลองระบบของ Fujinaga พบว่ามีอัตราการเก็บเกี่ยวสำเร็จสูงถึง 81% ซึ่งสูงกว่าที่คาดการณ์ไว้อย่างมาก โดยประมาณ 1 ใน 4 ของการเก็บเกี่ยวที่สำเร็จนั้น จะเป็นการเก็บเกี่ยวจากทางด้านขวา หรือซ้าย หลังจากที่หุ่นยนต์เก็บเกี่ยวจากทางด้านหน้าไม่สำเร็จ ซึ่งชี้ว่าหุ่นยนต์มีการปรับกลยุทธ์ หากทำไม่สำเร็จ
ผลการวิจัยเน้นย้ำให้เห็นว่าการเก็บเกี่ยวผลไม้ด้วยหุ่นยนต์มีความซับซ้อนเพียงใด โดยมีปัจจัยต่าง ๆ เช่น การเติบโตเป็นพวง รูปทรงของก้าน ใบไม้โดยรอบ และสิ่งกีดขวาง ล้วนมีบทบาทสำคัญ
เขากล่าวว่า “งานวิจัยนี้ได้กำหนดให้ “ความง่ายในการเก็บเกี่ยว” เป็นตัวชี้วัดที่สามารถประเมินเชิงปริมาณได้ ซึ่งนำเราเข้าใกล้ความเป็นจริงของหุ่นยนต์เกษตรกรรมที่สามารถตัดสินใจได้อย่างชาญฉลาดและลงมือปฏิบัติได้อย่างมีเหตุผล”
มุ่งสู่การทำฟาร์มร่วมกันระหว่างมนุษย์กับหุ่นยนต์
Fujinaga มองเห็นอนาคตที่หุ่นยนต์จะสามารถตัดสินใจได้อย่างอิสระว่าพืชผลพร้อมเก็บเกี่ยวหรือไม่ เขากล่าวอธิบายว่า “สิ่งนี้คาดว่าจะนำไปสู่รูปแบบใหม่ของการเกษตรที่หุ่นยนต์และมนุษย์ทำงานร่วมกัน หุ่นยนต์จะเก็บเกี่ยวมะเขือเทศที่เก็บง่ายโดยอัตโนมัติ ในขณะที่มนุษย์จะจัดการกับผลไม้ที่เก็บยากกว่า”
ที่มา: Scitechdaily
