การชั่งน้ำหนักสุกรแบบดั้งเดิมต้องใช้แรงงานและอาจก่อให้เกิดความเครียดแก่สัตว์ โครงงานนี้จึงนำเสนอการพัฒนาระบบประเมินน้ำหนักสุกรอัตโนมัติจากภาพถ่ายสี RGB โดยใช้เทคนิค Deep Learning
ชุดข้อมูลที่ใช้คือ PigRGB-Weight ประกอบด้วยภาพถ่ายสุกร 9,579 ภาพ แบ่งออกเป็น 5 กลุ่มสำหรับการทำ 5-Fold Cross-Validation โดยน้ำหนักจริงของสุกรแต่ละตัวระบุไว้ในชื่อโฟลเดอร์ในหน่วยกิโลกรัม
สถาปัตยกรรมที่นำมาศึกษาเปรียบเทียบมี 3 โมเดล ได้แก่
EfficientNet-B3 (Baseline, MAE ≈ 4.56 kg) EfficientNet-B5 (โมเดลขนาดใหญ่ขึ้นในตระกูลเดียวกัน) ConvNeXt-Small (สถาปัตยกรรมยุคใหม่) โมเดลทุกตัวใช้โครงสร้างเดียวกัน คือ Encoder ที่ผ่านการ Pre-train ต่อด้วย Regression Head (Dropout + FC + ReLU + FC) ฝึกด้วย AdamW, Cosine Annealing Scheduler และ Huber Loss (δ=5.0) พร้อม Early Stopping บน GPU T4 ของ Kaggle โดยใช้ Mean Absolute Error (MAE) เป็นตัวชี้วัดหลักในการเปรียบเทียบ
ขณะนี้โครงงานอยู่ในขั้นตอนการฝึกและเปรียบเทียบโมเดลทั้งสาม ผลลัพธ์ที่ได้จะนำมาวิเคราะห์เพื่อคัดเลือกโมเดลที่ให้ MAE ต่ำที่สุด และนำไปพัฒนาเป็นระบบติดตามน้ำหนักสุกรในฟาร์มอัจฉริยะต่อไป
ระบบที่พัฒนาขึ้นนี้จะช่วยให้ผู้เลี้ยงสุกรสามารถติดตามน้ำหนักสัตว์ได้โดยไม่ต้องสัมผัสตัวสัตว์ ลดความเครียดของสุกร ประหยัดแรงงาน และเพิ่มความถี่ในการตรวจวัดได้อย่างมีนัยสำคัญ
