ปัญหาและความสำคัญ การนับจำนวนลูกปลา (Fish Fingerlings) ในขั้นตอนการคัดขนาดหรือขนส่ง เป็นกระบวนการที่สำคัญอย่างยิ่งในอุตสาหกรรมการเพาะเลี้ยงสัตว์น้ำ อย่างไรก็ตาม วิธีการนับแบบดั้งเดิมด้วยแรงงานคนมักใช้เวลานาน ก่อให้เกิดความเครียดต่อสัตว์น้ำ และมีความคลาดเคลื่อนสูง โดยเฉพาะในสภาวะ "หนาแน่นและแออัด" ซึ่งลูกปลามักมีการว่ายทับซ้อนกัน ทำให้ยากต่อการระบุจำนวนที่แม่นยำ
วิธีการดำเนินการ งานวิจัยนี้ได้นำเทคนิคการเรียนรู้เชิงลึก (Deep Learning) ผ่านสถาปัตยกรรม YOLOv8 ซึ่งเป็นเทคโนโลยีตรวจจับวัตถุที่ทันสมัยและรวดเร็วที่สุดในปัจจุบัน มาประยุกต์ใช้เพื่อวิเคราะห์ภาพถ่ายลูกปลาในบ่อหรือภาชนะที่มีความแออัดสูง โดยมีการปรับปรุงกระบวนการดังนี้:
การจัดการภาพถ่ายสภาวะแออัด: พัฒนาชุดข้อมูลลูกปลาที่มีการทับซ้อนกันในระดับต่าง ๆ เพื่อฝึกสอนโมเดลให้จดจำลักษณะเด่นแม้เห็นเพียงบางส่วน
การประมวลผลแบบเรียลไทม์: ปรับจูนโครงสร้างโมเดลให้สามารถตรวจจับและนับจำนวนได้ทันทีผ่านกล้องวิดีโอ เพื่อความสะดวกในการใช้งานจริงในฟาร์ม
ผลการดำเนินงาน ผลการศึกษาพบว่าระบบที่พัฒนาขึ้นด้วย YOLOv8 สามารถนับประชากรลูกปลาในพื้นที่จำกัดได้อย่างแม่นยำและรวดเร็ว โดยมีค่าความคลาดเคลื่อนต่ำกว่าการนับด้วยสายตามนุษย์อย่างมีนัยสำคัญ แม้ในกลุ่มตัวอย่างที่มีความหนาแน่นสูง นวัตกรรมนี้ไม่เพียงแต่ช่วยลดต้นทุนด้านแรงงานและเวลา แต่ยังช่วยรักษาคุณภาพของลูกปลาจากการลดการสัมผัสโดยตรง เป็นเครื่องมือสำคัญในการยกระดับฟาร์มเพาะเลี้ยงสัตว์น้ำเข้าสู่ยุคเกษตรอัจฉริยะ (Smart Farming) อย่างเต็มตัว
