การประมาณจำนวนปลานิลจากข้อมูลภาพมุมบนในภาชนะ

บทนำและปัญหา ในอุตสาหกรรมการเพาะเลี้ยงสัตว์น้ำ โดยเฉพาะปลานิล "ความยุติธรรม" ในการซื้อขายขึ้นอยู่กับความแม่นยำของจำนวนปลา ปัจจุบันเกษตรกรยังคงใช้วิธีการนับด้วยแรงงานคน ซึ่งใช้เวลานานและอาจเกิดความคลาดเคลื่อน ส่งผลต่อความน่าเชื่อถือ นอกจากนี้ การนำเทคโนโลยีมาใช้ในสภาพแวดล้อมจริงที่มีแสงและเงารบกวนยังคงเป็นความท้าทายสำคัญ งานวิจัยนี้จึงมุ่งพัฒนาโมเดลปัญญาประดิษฐ์ (AI) เพื่อช่วยตรวจจับและนับจำนวนปลาจากภาพถ่ายมุมบน ลดภาระงานและเพิ่มความแม่นยำให้แก่เกษตรกร

วิธีการดำเนินงาน ผู้วิจัยได้พัฒนาโมเดล Deep Learning เพื่อตรวจจับวัตถุ (Object Detection) โดยมุ่งเน้นการแก้ปัญหาการนับในสภาวะที่ปลาอาจมีการซ้อนทับกัน เพื่อประเมินประสิทธิภาพความแม่นยำเมื่อเทียบกับจำนวนจริง และประเมินความเป็นไปได้ในการนำไปใช้งานจริงเพื่อสนับสนุนการค้าขาย

ผลการศึกษา ผลการทดสอบประสิทธิภาพของโมเดลแสดงให้เห็นศักยภาพที่น่าพอใจ โดยมีค่าความแม่นยำ (Precision) สูงถึง 94% และค่าความถูกต้องเฉลี่ย (mAP@50) อยู่ที่ 89% ซึ่งบ่งชี้ว่าระบบสามารถระบุตำแหน่งและนับจำนวนปลาได้อย่างถูกต้องในสภาพแวดล้อมที่ไม่ซับซ้อนและการกระจายตัวของปลาชัดเจน อย่างไรก็ตาม ในกรณีที่มีความหนาแน่นสูงและการซ้อนทับกันของปลา ประสิทธิภาพของโมเดลอาจลดลง โดยมีค่า mAP@50:95 อยู่ที่ 60% ซึ่งเป็นข้อจำกัดที่ต้องได้รับการปรับปรุง

สรุปและข้อเสนอแนะ งานวิจัยนี้แสดงให้เห็นว่าเทคโนโลยี AI สามารถช่วยลดเวลาและแรงงานในการนับปลาได้อย่างมีนัยสำคัญ เพื่อเพิ่มประสิทธิภาพในอนาคต ผู้วิจัยเสนอแนวทางในการเพิ่มความหลากหลายของชุดข้อมูล (Dataset) และการนำเทคนิคการประมาณค่าความหนาแน่น (Density Estimation) มาประยุกต์ใช้ร่วมกัน เพื่อให้ระบบสามารถรองรับการทำงานในฟาร์มเพาะเลี้ยงจริงได้อย่างสมบูรณ์แบบ