การประยุกต์ใช้ปัญญาประดิษฐ์ในการจัดการโรคพืชยุคใหม่: โอกาสที่มาพร้อมข้อควรระวัง
Main Article Content
บทคัดย่อ
โรคพืชเป็นปัญหาสำคัญต่อการเกษตรทั่วโลก ส่งผลกระทบต่อผลผลิตพืชและสร้างความเสียหายทางเศรษฐกิจ ซึ่งทำให้ปัญญาประดิษฐ์ Artincial Intelligence (Al) โดยเฉพาะ Machine Leaming (ML) และ Deep Leaming (DL) 1A กลายเป็นเครื่องมือที่มีประสิทธิภาพสำหรับการตรวจหาโรคพืชในช่วงเริ่มต้น การวินิจฉัยโรค การพยากรณ์โรค และการจัดการโรคที่เกิดขึ้น [1], [2]โดย AI สามารถวิเคราะห์ภาพถ่ายข้อมูลสภาพแวดล้อม และทำนายการระบาดของโรคพืชได้ซึ่งเทคโนโลยีนี้ช่วยเสริมสร้างความยั่งยืนในด้านเกษตรรมและเพิ่มประสิทธิภาพในการป้องกันโรคตั้งแต่เริ่มต้นก่อนที่จะแพร่กระจาย และช่วยลดความเสียหายของผลผลิต [2]
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ลงตีพิมพ์เป็นข้อคิดเห็นของผู้เขียนเท่านั้น
ผู้เขียนจะต้องเป็นผู้รับผิดชอบต่อผลทางกฎหมายใดๆ ที่อาจเกิดขึ้นจากบทความนั้น
เอกสารอ้างอิง
S. Theinnoi, N. Amdee, A. Sangsongfar, and P. Meesad, “An analysis of pineapple leaf wilt by image processing and convolutional neural network,” The Journal of KMUTNB, vol. 34, no. 3, pp. 1–11, 2024.
K. Pandey, S. Mishra, V. L. S. Sree, R. Kushwaha, R. Pathak, and S. Yadav, “Disease prediction models in plant pathology: Leveraging ai and machine learning for early intervention,” International Journal of Advanced BiochemistryResearch, vol. 8, no. 12, pp. 362–368, 2024.
M. Shoaib, B. Shah, S. EI-Sappagh, A. Ali, A. Ullah, F. Alenezi, T. Gechev, T. Hussain, and F. Ali, “An advanced deep learning modelsbased plant disease detection: A review of recent research,” Frontiers in Plant Science, vol. 14, pp. 1–22, 2023.
I. Pacal, I. Kunduracioglu, M. H. Alma, M. Deveci, Muhammet, S. Kadry, J. Nedoma, V. Slany, and R. Martinek, “A systematic review of deep learning techniques for plant diseases,” Artificial Intelligence Review, vol. 57, no. 304, pp. 1–39, 2024.
Plantix. (2015, Jun.). Plantix - your crop doctor. PEAT GmbH, Germany. [Online]. Available: https://play.google.com/store/apps/details?id =com.peat.GartenBank&hl=en
ICAR-IASRI. (2021, Nov.). AI-DISC. Indian Agricultural Statistics Research Institute, India. [Online]. Available: https://play.google.com/ store/apps/details?id=com.ai.ai_disc&hl=en
PlantVillage. (2018, Jun.). PlantVillage. Pennsylvania State University, PA. [Online]. Available: https://play.google.com/store/apps/ details?id=plantvillage.nuru&hl=en
Thai PBS. (2025, Feb.). Boosting yields by 40 times with AI plant disease detection in Kenya. Thai PBS, Thailand. [Online] (in Thai). Available: https://www.youtube.com/shorts/ QneL7nf9WvI
NSTDA. AI for Agriculture, Exhibition. Presented at 20th NSTDA Annual Conference. [Online] (in Thai). Available: https://www.nstda.or.th/ nac/2025/exhibitions/ai07/
Department of Agriculture. (2025, Feb.). Transforming Thai agriculture through the Department of Agriculture’s AI chatbot. Department of Agriculture, Thailand. [Online] (in Thai). Available: https://www.doa.go.th/th/ news_release/90287/
G. N. Agrios, Plant Pathology, 5th ed. San Diego, CA: Elsevier Academic Press, 2005.
Saillog Ltd. (2017, Jun.). Agrio - Plant diagnosis app. Saillog Ltd, Israel. [Online]. Available: https://play. google.com/store/apps/details?id=com.agrio
Agritech. (2021, Dec.). New year blessings from the Department of Agricultural Extension in 2022. Department of Agricultural Extension, Thailand. [Online] (in Thai). Available: https:// agritech.doae.go.th/?p=514
P. Goyal, D. K. Verma, and S. Kumar, “Detection and monitoring for enhanced prevention of grain plant disease using classification-based deep ensemble neural networks in smart agriculture,” International Journal of Remote Sensing, vol. 46 no. 5, pp. 1992–2022, 2025.
K. P. Ferentinos, “Deep learning models for plant disease detection and diagnosis,” Computers and Electronics in Agriculture, vol. 145, pp. 311–318, 2018.
P. Wisutmetheekorn, N. Sudsawat, and N. Ruksawong, “Digital weighing scale with fruit and vegetable identification using deep learning technique,” The Journal of KMUTNB, vol. 33 no. 2, pp. 468–479, 2023.
S. Thewsuwan and P. Buppan, “Machine Learning-based system for automatic morphological identification of Acanthamoeba spp. in microscopic images,” The Journal of KMUTNB, vol. 33 no. 4, pp. 1–11, 2023.
