โมเดลการเรียนรู้ของเครื่องจักรของนักศึกษา RMIT ช่วยส่งเสริมเกษตรกร

เวียดนามเป็นผู้ส่งออกกาแฟรายใหญ่อันดับสองของโลก และคิดเป็นสัดส่วนมากกว่าครึ่งหนึ่งของปริมาณกาแฟโรบัสต้าทั่วโลก คาดว่าผลผลิตกาแฟในปีเพาะปลูก 2565/66 จะสูงถึง 29.75 ล้านกระสอบ ซึ่งกาแฟโรบัสต้าคิดเป็นสัดส่วนมากกว่า 95%

รายงานประจำปี 2564/2565 ขององค์การกาแฟระหว่างประเทศ ระบุว่าเวียดนามมีผลผลิตกาแฟสูงสุดเป็นอันดับ 1 ด้วยปริมาณ 2.4 ตันต่อเฮกตาร์ ผลผลิตกาแฟในเวียดนามประกอบด้วยเมล็ดกาแฟโรบัสต้า อาราบิก้า เชอร์รี โมก้า และคูลี ซึ่งเป็นเมล็ดกาแฟที่ได้รับความนิยมปลูกมากที่สุดในเวียดนาม

อย่างไรก็ตาม ราคาของผลิตภัณฑ์ทางการเกษตรโดยทั่วไปและโดยเฉพาะราคาเมล็ดกาแฟ มักจะไม่แน่นอนและผันผวนอย่างรวดเร็วในช่วงที่มีการเก็บเกี่ยวผลผลิตจำนวนมาก ส่งผลกระทบต่อรายได้ของเกษตรกรอย่างมีนัยสำคัญและก่อให้เกิดความเสียหายต่อ เศรษฐกิจ

จากซ้ายไปขวา: นักศึกษาคณะ วิทยาศาสตร์ วิศวกรรมศาสตร์ และเทคโนโลยี RMIT: Lam Tin Dieu, Nguyen Hai Minh Trang, Nguyen Phuong Nam (แถวบน), Le Ngoc Nguyen Thuan, Doan Chanh Thong (แถวล่าง)

จากซ้ายไปขวา: นักศึกษาคณะวิทยาศาสตร์ วิศวกรรมศาสตร์ และเทคโนโลยี RMIT: Lam Tin Dieu, Nguyen Hai Minh Trang, Nguyen Phuong Nam (แถวบน), Le Ngoc Nguyen Thuan, Doan Chanh Thong (แถวล่าง)

เพื่อค้นคว้าหาทางแก้ไขปัญหานี้ นักศึกษาชั้นปีสุดท้ายคณะวิทยาศาสตร์ วิศวกรรมศาสตร์ และเทคโนโลยี ซึ่งได้แก่ Nguyen Hai Minh Trang, Doan Chanh Thong, Le Ngoc Nguyen Thuan, Nguyen Phuong Nam และ Lam Tin Dieu ใช้เวลากว่า 4 เดือนในการฝึกอบรมและประเมินโมเดลการเรียนรู้ของเครื่องจักร (ML) จำนวน 6 โมเดลเพื่อคาดการณ์ราคาเมล็ดกาแฟ ซึ่งสามารถช่วยให้เกษตรกรชาวเวียดนามตัดสินใจเกี่ยวกับพืชผลของตนอย่างรอบรู้และวางแผนได้อย่างเหมาะสม ซึ่งจะช่วยเพิ่มผลกำไรและลดการสูญเสียให้เหลือน้อยที่สุด

“เราได้พัฒนาโมเดล ML จำนวน 6 โมเดล ได้แก่ LSTM, GRU, ARIMA, SARIMA, SVM และ RF โดยอิงจากประวัติราคากาแฟ ราคาน้ำมัน อุณหภูมิ และปริมาณน้ำฝน เพื่อคาดการณ์ราคากาแฟโรบัสต้าในจังหวัดลัมดง และพบว่าโมเดล RF ที่ใช้ชุดข้อมูลทั้งหมดนั้นมีประสิทธิผลมากที่สุด” Trang กล่าว

ในบรรดาโมเดลการเรียนรู้ของเครื่องทั้ง 6 โมเดล โมเดล RF ที่ใช้ชุดข้อมูลทั้งหมดให้ผลลัพธ์ที่ดีที่สุด

“RF สามารถรวมชุดข้อมูลที่สมบูรณ์ยิ่งขึ้นและจัดการความสัมพันธ์แบบไม่เชิงเส้นได้ นอกจากนี้ ราคาน้ำมันเชื้อเพลิงยังพิสูจน์แล้วว่าเป็นปัจจัยทำนายที่สำคัญและมีประสิทธิภาพเหนือกว่าคุณสมบัติอื่นๆ ที่ผ่านการทดสอบทั้งหมดรวมกัน”

ทีมงานเน้นย้ำว่าโมเดลนี้มีศักยภาพในการปรับปรุงเพิ่มเติมโดยการศึกษาและรวมผลกระทบของผลผลิตพืชผล แนวโน้มตลาด และเหตุการณ์ทางภูมิรัฐศาสตร์ต่อราคาสินค้าเกษตร

สมาชิกในทีมแต่ละคนต้องเผชิญกับความท้าทายที่แตกต่างกันไปในระหว่างโครงการ เช่น การขาดความเข้าใจอย่างลึกซึ้งเกี่ยวกับโมเดล ML ต่างๆ การสื่อสารความซับซ้อนของสิ่งที่พวกเขากำลังทำกับโดเมน AI ได้อย่างมีประสิทธิภาพ หรือการจัดการเวลาและการสื่อสารเมื่อทำงานจากระยะไกล อย่างไรก็ตาม ด้วยการทุ่มเทเวลาอย่างมากในการวิจัย ศึกษาค้นคว้างานวิจัยที่เกี่ยวข้องกับ AI และ ML รวมถึงการพัฒนาทักษะทางเทคนิคและการทำงานร่วมกัน พวกเขาจึงพัฒนาทักษะการวิจัย AI สำหรับปัญหาในโลกแห่งความเป็นจริง และสามารถพัฒนางานวิจัยของทีมไปสู่ผลิตภัณฑ์ในโลกแห่งความเป็นจริงได้

“ความท้าทายหลักสำหรับเราอยู่ที่การรวบรวมและบูรณาการข้อมูล” Thuan กล่าว

แม้ว่าการพัฒนาแบบจำลองจะค่อนข้างตรงไปตรงมา แต่เวลาอันยาวนานที่ใช้ในการรวบรวมและรวมข้อมูลกลับเป็นความท้าทายอย่างมากสำหรับเรา สมาชิกในทีมแต่ละคนต้องผ่านกระบวนการเรียนรู้และพัฒนาทักษะทั้งด้านเทคนิคและการประสานงานโครงการ ตั้งแต่การวิจัยเชิงลึก ไปจนถึงการผลักดันนวัตกรรมและคิดค้นโซลูชันใหม่ๆ

ในช่วงเวลาของการศึกษา นามทำงานจากฮานอยและมีงานประจำ นัมกล่าวว่าเพื่อป้องกันความล่าช้าและการหยุดชะงักที่อาจเกิดขึ้น ทีมงานได้จัดการประชุมรายสัปดาห์และสื่อสารกันอย่างสม่ำเสมอ ทั้งเพื่อกระตุ้นซึ่งกันและกันให้ทำงานตามแผนและทำงานที่ได้รับมอบหมายให้สำเร็จ

โครงการ Capstone ของทีมได้รับการดูแลอย่างใกล้ชิดจากคณาจารย์จากคณะวิทยาศาสตร์ วิศวกรรมศาสตร์ และเทคโนโลยี มหาวิทยาลัย RMIT ประเทศเวียดนาม ผลลัพธ์ของโครงการได้รับการนำเสนอในงานประชุมนานาชาติอันทรงเกียรติ ครั้งที่ 8 ของ IEEE/ACIS International Conference on Big Data, Cloud Computing and Data Science Engineering (BCD 2023) โดยมีนักวิจัย นักวิทยาศาสตร์ วิศวกร และผู้เชี่ยวชาญในสาขา Big Data, Cloud Computing และ Data Science เข้าร่วม

นักศึกษาเหงียน ฟอง นาม สาธิตการทำงานของเว็บไซต์จำลองราคากาแฟ

ทีมงานวางแผนที่จะปรับปรุงโมเดลตามข้อเสนอแนะจากการนำเสนอในงานประชุม และยังสำรวจแนวทางอื่น ๆ เพื่อปรับปรุงความแม่นยำและความสามารถในการใช้งานของการคาดการณ์อีกด้วย

“เราวางแผนที่จะเจาะลึกเทคนิคล้ำสมัยและวิธีการใหม่ๆ ในสาขานี้มากขึ้น เพื่อเสริมความแข็งแกร่งให้กับผลการวิจัยที่ทีมงานประสบความสำเร็จ” ทองกล่าว

นอกจากนี้ เรายังวางแผนที่จะร่วมมือกับผู้เชี่ยวชาญคนอื่นๆ ในสาขานี้ และสำรวจความร่วมมือที่มีศักยภาพเพื่อขยายขอบเขตและผลกระทบของผลการวิจัยของกลุ่ม

ทีมงานวางแผนที่จะดำเนินการปรับปรุงและอัปเกรดการวิจัยอย่างต่อเนื่อง เพื่อให้สามารถมีส่วนสนับสนุนในทางปฏิบัติต่อสาขา Big Data และ AI ที่กำลังพัฒนาอย่างต่อเนื่องจากการวิจัยเฉพาะของคุณได้

ลิงค์ที่มา: https://thanhnien.vn/mo-hinh-may-hoc-cua-sinh-vien-rmit-tiep-them-suc-manh-cho-nong-dan-185240201181300139.htm