ทีมวิจัยจากมหาวิทยาลัยแคลิฟอร์เนีย เดวิส (UC Davis) พัฒนาเครื่องมือชื่อ Leaf Monitor ใช้เซ็นเซอร์วัดแสง (spectrometer) ร่วมกับปัญญาประดิษฐ์ในการสแกนใบพืชและวินิจฉัยปัญหาทางโภชนาการแบบเรียลไทม์ — ผลคือได้คำตอบภายใน 5 วินาที ว่าพืชขาดสารอาหารตัวไหน ควรใส่ปุ๋ยเท่าไร และควรใส่จุดไหนเพื่อให้ได้ผลดีที่สุด
เครื่องมือนี้ไม่ใช่ทดลองฉาบฉวย แต่เติบโตจากฐานข้อมูลขนาดใหญ่ที่ทีมเก็บรวบรวมมานานกว่า 5 ปี ซึ่งประกอบด้วยตัวอย่างใบอัลมอนด์และองุ่นนับพันใบ ทำให้โมเดล AI เรียนรู้รูปแบบสเปกตรัมของใบที่สัมพันธ์กับการขาดธาตุแต่ละชนิดได้อย่างแม่นยำ
อาจารย์ Alireza Pourreza จาก UC Davis ระบุว่า
Leaf-Monitor ช่วยให้เกษตรกรไม่ต้องรอผลตรวจจากห้องแล็บเป็นสัปดาห์อีกต่อไป “เกษตรกรสามารถรู้ได้ทันทีว่าพืชของเขาต้องการอะไร” เขากล่าว ส่วน Geoff Klein ผู้จัดการฟาร์ม Bullseye Farms ที่ทดลองใช้งานจริงบอกว่า การได้ข้อมูลแบบเรียลไทม์ช่วยลดปริมาณปุ๋ยที่ใช้ พร้อมคงหรือเพิ่มผลผลิตได้ดีกว่าเดิม
เทคโนโลยีนี้จึงเป็นตัวอย่างของ เกษตรแม่นยำ (precision agriculture) — ใช้ข้อมูลและเซ็นเซอร์กำหนดการจัดการฟาร์มอย่างมีเป้าหมาย ลดของเสียและต้นทุน ในขณะเดียวกันเพิ่มประสิทธิภาพด้านผลผลิต
แม้ Leaf Monitor จะให้ประโยชน์ชัดเจน แต่
ประเด็นด้านการใช้พลังงานของระบบ AI ยังเป็นความกังวล — โดยเฉพาะการประมวลผลและการจัดเก็บข้อมูลในศูนย์ข้อมูล ทีมวิจัยชี้ว่าแนวทางแก้ไขกำลังถูกพัฒนา เช่น เทคโนโลยีระบายความร้อนใหม่จากนักวิจัย UC San Diego ที่ช่วยลดการใช้พลังงานของศูนย์ข้อมูล ซึ่งจะช่วยบรรเทาผลกระทบด้านพลังงานเมื่อระบบถูกนำไปใช้ในวงกว้าง
เวอร์ชันต้นแบบของ Leaf-Monitor เปิดให้ดาวน์โหลดและทดลองใช้ผ่านห้องแล็บ Digital Agriculture ของ UC Davis สำหรับผู้สนใจเข้าทดลองนำไปใช้ในฟาร์มหรือโครงการวิจัยเชิงปฏิบัติการ
Leaf-Monitor ส่องใบครั้งเดียวก็รู้ทัน — เทคโนโลยีที่อาจเปลี่ยนวิธีการจัดการพืชสวน ให้เกษตรกรตัดสินใจได้เร็วขึ้น ประหยัดปุ๋ย และปลูกได้อย่างมีประสิทธิภาพมากขึ้นในโลกที่ต้องการอาหารมากขึ้นแต่ทรัพยากรจำกัด
tags : caes.ucdavis.edu
