อ้อยเป็นหนึ่งในพืชเศรษฐกิจหลักของประเทศโดยเป็นวัตถุดิบหลักที่ใช้ในการผลิตน้ำตาลทรายและพลังงานทดแทน แต่ปัญหาที่เกษตรกรชาวไร่อ้อยพบเจอและไม่สามารถหลีกเลี่ยงได้มาอย่างยาวนาน คือ “ต้นทุนในการผลิต” เช่น ค่าแรงงาน ค่าเครื่องจักร ค่าปุ๋ยและสารเคมี ที่สูงถึง 30-40% เมื่อเทียบกับรายได้จากผลผลิตอ้อยสด 1 ตัน ซึ่งส่งผลกระทบต่อขีดความสามารถในการแข่งขันในเวทีระดับสากลด้วยเช่นกัน
รศ.ดร.ขวัญตรี แสงประชาธนารักษ์ อาจารย์ประจำภาควิชาวิศวกรรมเกษตร คณะวิศวกรรมศาสตร์ มหาวิทยาลัยขอนแก่น ซึ่งเป็นหัวหน้าโครงการวิจัย แพลตฟอร์มหุ่นยนต์และยานพาหนะไร้คนขับสำหรับการเกษตรที่มีความแม่นยำเพื่อสร้างฟาร์มขนาดใหญ่เสมือน ที่ได้รับทุนสนับสนุนจากหน่วยบริหารและจัดการทุนด้านการเพิ่มความสามารถในการแข่งขันของประเทศ (บพข.) กล่าวว่า “เกษตรกรที่ปลูกอ้อยนั้นทราบถึงปัญหาเรื่องต้นทุนการผลิตและอยากลดรายจ่ายส่วนนี้ แต่ปัญหาคือที่ผ่านมายังไม่มีเทคโนโลยีหรือนวัตกรรมใด ๆ ที่เข้ามาช่วยเกษตรกรประเมินความเสี่ยงในการลดต้นทุนและเพิ่มผลผลิตในไร่อ้อยได้อย่างแม่นยำ ตนเองจึงได้ทำการวิจัยและพัฒนาร่วมกับภาคเอกชนเพื่อพัฒนาระบบวิเคราะห์และแปลผลภาพถ่ายทางอากาศที่ได้จากอากาศยานไร้คนขับ หรือ โดรน เพื่อนำข้อมูลที่จำเป็นไปสู่ขั้นตอนของการวิเคราะห์ และวางแผนการผลิต เพื่อลดความเสี่ยงในการจัดการไร่อ้อยของเกษตรกรหรือผู้ประกอบการ”
รศ.ดร.ขวัญตรี กล่าวว่า ที่ผ่านมาเจ้าของแปลงอ้อยจะใช้การเก็บข้อมูลแบบสุ่มโดยการเดินสำรวจ จึงไม่ทราบถึงบริเวณที่เกิดปัญหากับอ้อยของตนได้ทันท่วงที เช่น การเจริญเติบโตที่ไม่สม่ำเสมอกัน หรือมีพื้นที่น้ำท่วมขัง การล้มของต้นอ้อย เกิดโรคใบขาวของอ้อย ค่าความหวานของอ้อยขณะสำรวจ อันส่งผลต่อคุณภาพและปริมาณผลผลิตที่จะส่งโรงงานหีบอ้อย อีกทั้งการสำรวจด้วยแรงงานคนมีความคลาดเคลื่อนสูง เนื่องจากการสำรวจให้ครอบคลุมเป็นไปได้ยาก ทางทีมวิจัยจึงร่วมมือกับบริษัท เอชจี โรโบติกส์ จำกัด ที่มีความเชี่ยวชาญด้านระบบ Artificial Intelligence (AI) และ บริษัท โกลบอล ครอปส์ จำกัด โดยการนำโดรนมาใช้ในการสำรวจ เพื่อให้เกิดการแก้ปัญหาให้ตรงจุด ตามหลักการ “เกษตรแม่นยำ (Precision Agriculture)"
ซึ่งข้อมูลที่เป็นกุญแจของความแม่นยำของเทคนิคนี้ คือ 1. Crop Zoning ข้อมูลที่เกิดจาการทำวิจัยและเก็บข้อมูลอย่างต่อเนื่อง ช่วยให้เกษตรกรตัดสินใจได้อย่างแม่นยำว่าพื้นที่นั้นควรปลูกพืชชนิดใด 2. Crop Dashboard ที่ระบุการเติบโตของพืชว่าเป็นไปตามเกณฑ์หรือไม่ สุขภาพของพืชเป็นอย่างไร เป็นโรค หรือต้องการปุ๋ยประเภทไหน หากไม่เป็นไปตามเกณฑ์จะต้องแก้ไขอย่างไร ทำให้เกษตรกรมีการวางแผนบริหารจัดการต้นทุนได้ชัดเจนขึ้น ซึ่งจะถูกประมวลเป็นการคาดการณ์ผลผลิตในไร่ที่มีประสิทธิภาพ และ 3. Machine Dashboard คือ การติดตามและบันทึกกิจกรรมการใช้งานเครื่องจักรในแปลง เพื่อการบริหารให้มีประสิทธิภาพและนำไปสู่การลดต้นทุน
ด้าน ดร.มหิศร ว่องผาติ บริษัท เอชจี โรโบติกส์ จำกัด กล่าวถึงผลความร่วมมือที่ผ่านมาว่า ตนและทีมวิจัยได้มีการพัฒนาโมเดลวิเคราะห์ค่าความหวานของอ้อยในแปลง โดยนำค่าการสะท้อนของยอดใบจากหลายช่วงคลื่นในแต่ละจุด (Pixel) บนภาพถ่ายจากโดรนไปสร้างความสัมพันธ์ทางสมการกับค่าความหวานที่วัดได้จริง เพื่อพัฒนาเป็นโมเดลทางคณิตศาสตร์ ที่สามารถนำไปประเมินค่าความหวานของอ้อยจากภาพถ่ายด้วยโดรนในแปลงอื่น ๆ ต่อไป
โดยปีแรกของโครงการ (พ.ศ. 2563) ได้มีการนำระบบที่พัฒนาขึ้นไปให้บริการจริงในรูปแบบของ POC แก่โรงงานน้ำตาลบ้านไร่ จ.อุทัยธานี เป็นพื้นที่ 7200 ไร่ และยังได้ทำความร่วมมือ (MOU) กับผู้ประกอบการน้ำตาลกลุ่มมิตรผลในการเก็บและวิเคราะข้อมูลแปลงอ้อยในพื้นที่ 27,000 ไร่ในจังหวัดกาญจนบุรีและสุพรรณบุรี เพื่อทำให้โมเดลการแปรผลภาพถ่ายทางอากาศวิเคราะห์ข้อมูลได้แม่นยำขึ้น ทั้งในส่วนการหาความหวาน การตรวจหาโรคใบขาวอ้อย รวมถึงเพิ่มการประมาณความต้องการธาตุอาหารหลักในไร่อ้อย ระยะเวลาและลำดับแปลงที่จะเก็บเกี่ยวกับการคาดการณ์ผลผลิต
“ภายใต้โครงการนี้ เรามีการวิเคราะห์ภาพถ่ายจากโดรนของบริษัทฯ ที่ถ่ายด้วยกล้องมัลติสเปกตรัมที่ทำให้ได้ภาพถ่ายที่มีความละเอียดสูงกว่าภาพถ่ายดาวเทียมมาก ซึ่งการวิเคราะห์ค่าสีในสเปกตรัมต่าง ๆ ทำให้เราได้สมการที่สามารถวิเคราะห์ข้อมูลได้มากกว่าค่าความหวานเพียงอย่างเดียว รู้ว่าอ้อยในพื้นที่ต่าง ๆ ได้รับน้ำเหมาะสมหรือไม่ มีอาการของโรคใบขาวของอ้อยเกิดขึ้นหรือไม่ ที่สำคัญ การใช้ภาพถ่ายจากโดรนทำให้สามารถวัดความสูงและสร้างภาพ 3 มิติของพื้นที่ได้ ซึ่งภาพถ่ายดาวเทียมไม่สามารถทำได้ โดยเราได้พัฒนาระบบให้สามารถวัดความสูงของพืชได้แม่นยำกว่าระบบที่มีขายในท้องตลาดมากกว่า 10 เท่า ทำให้สามารถหาค่าความสูงของต้นอ้อยได้อย่างแม่นยำ และบอกได้ว่าแต่ละจุดมีการเติบโตที่เป็นไปตามเกณฑ์ไหม เปอร์เซ็นต์อ้อยตายอ้อยงอกในแปลงเป็นยังไงบ้าง โดยสามารถเปรียบเทียบกับภาพที่ถ่ายในครั้งก่อนๆ หรือปีก่อนได้อีกด้วย นอกจากนี้ ชาวไร่หรือเจ้าหน้าที่ของโรงงานน้ำตาลสามารถถ่ายภาพด้วยโดรนของตนเองและส่งภาพถ่ายทางออนไลน์มาให้เราวิเคราะห์ และสามารถดูข้อมูลของแต่ละแปลงโดยละเอียดผ่านมือถือ หรือแท็บเล็ต หรือแสดงในรูปแบบภาพรวมทั้งโซนรอบโรงงานที่ผู้บริหารโรงงานอยากจะดูเขาก็ดูได้เช่นกัน” รศ.ดร.ขวัญตรี กล่าวถึงผลสำเร็จของโครงการในปีแรก
ดร.มหิศร กล่าวเสริมว่า จากผลสำเร็จดังกล่าวส่งผลให้มีการขยายผลไปสู่เชิงพาณิชย์บ้างแล้ว โดยในปัจจุบันมีโรงงานหลายแห่งน้ำตาลสนใจจะจ่ายค่า Service ให้ทีมไปทดลองทำตั้งแต่ปีแรกของโครงการแล้ว ส่วนในปีที่สอง เราจะเน้นไปที่การควบคุมต้นทุนในการผลิตและการจัดการแปลง เช่น การให้ปุ๋ยหรือยาที่เหมาะสม ซึ่งเป็นการจัดการเฉพาะจุด ส่วนปีสุดท้ายจะเป็นการจัดการข้อมูลขนาดใหญ่ (Big Data) ให้เกิดเป็นข้อมูลที่ใช้ในการตัดสินใจวางแผนระยะยาว รวมถึงให้ข้อมูลว่าแต่ละวิธีหรือแต่ละทางออก มีต้นทุน มีความเสี่ยงเท่าไหร่ เพื่อให้เกษตรกรหรือโรงงานตัดสินใจต่อไป
