ระบบควบคุมโรงเรือนผักไฮโดรโปรนิกส์อัตโนมัติโดยใช้เทคโนโลยี IoT และเครื่องมือการเรียนรู้เชิงลึก
Article Sidebar
Main Article Content
บทคัดย่อ
ปัจจุบัน การควบคุมอุปกรณ์ต่าง ๆ ผ่านระบบเครือข่ายหรือที่เรียกว่า Internet of thing(IoT) เริ่มได้รับความนิยมในภาคเกษตรกรรม ผู้วิจัยจึงได้นำระบบ Internet of thing(IoT) มาประยุกต์ใช้งานระบบโรงเรือนปลูกผักไฮโดรโปนิกส์ ให้สามารถควบคุมการทำงานได้แบบอัตโนมัติ โดยการสั่งงานจะใช้ระบบการเรียนรู้ของเครื่องเชิงลึกหรือที่เรียกว่า Deep learning เพื่อช่วยวิเคราะห์การเจริญเติบโตของต้นผัก ด้วยวิธีการถ่ายภาพผักภายในโรงเรือนอัตโนมัติตามช่วงเวลาที่กำหนดไว้แล้วนำภาพถ่ายที่ได้ส่งไปยัง AWS Cloud ที่ติดตั้งเครื่องมือ Intel TensorFlow Deep learning จากนั้นระบบจะทำการวิเคราะห์การระยะการเจริญเติบโตของผัก แล้วนำผลการวิเคราะห์ที่ได้ส่งกลับมาที่โรงเรือน เพื่อควบคุมการทำงานของโรงเรือนตามระยะการเจริญเติบโตของผักแบบอัตโนมัติ
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
I/we certify that I/we have participated sufficiently in the intellectual content, conception and design of this work or the analysis and interpretation of the data (when applicable), as well as the writing of the manuscript, to take public responsibility for it and have agreed to have my/our name listed as a contributor. I/we believe the manuscript represents valid work. Neither this manuscript nor one with substantially similar content under my/our authorship has been published or is being considered for publication elsewhere, except as described in the covering letter. I/we certify that all the data collected during the study is presented in this manuscript and no data from the study has been or will be published separately. I/we attest that, if requested by the editors, I/we will provide the data/information or will cooperate fully in obtaining and providing the data/information on which the manuscript is based, for examination by the editors or their assignees. Financial interests, direct or indirect, that exist or may be perceived to exist for individual contributors in connection with the content of this paper have been disclosed in the cover letter. Sources of outside support of the project are named in the cover letter.
I/We hereby transfer(s), assign(s), or otherwise convey(s) all copyright ownership, including any and all rights incidental thereto, exclusively to the Journal, in the event that such work is published by the Journal. The Journal shall own the work, including 1) copyright; 2) the right to grant permission to republish the article in whole or in part, with or without fee; 3) the right to produce preprints or reprints and translate into languages other than English for sale or free distribution; and 4) the right to republish the work in a collection of articles in any other mechanical or electronic format.
We give the rights to the corresponding author to make necessary changes as per the request of the journal, do the rest of the correspondence on our behalf and he/she will act as the guarantor for the manuscript on our behalf.
All persons who have made substantial contributions to the work reported in the manuscript, but who are not contributors, are named in the Acknowledgment and have given me/us their written permission to be named. If I/we do not include an Acknowledgment that means I/we have not received substantial contributions from non-contributors and no contributor has been omitted.
เอกสารอ้างอิง
2. L. Atzori, A. Iera, and G. Morabito, “The Internet of Things: A survey,” Comput. Netw, vol. 54, no. 15, pp. 2787-2805, October 2010.
3. D. C. Marinescu. Cloud Computing: Theory and Practice 1st ed. CA: Morgan Kaufmann Publishers Inc.
4. “Amazon Web Services” [Online]. Available: https://aws.amazon.com/documentation/html. [Accessed Jan. 20, 2017].
5. A. Krizhevsky I. Sutskever and G. E. Hinton, “Imagenet classification with deep convolutional neural networks”, In NIPS, vol. 1, pp. 4, 2012.
6. Y. Jia, E. Shelhamer, J. Donahue, S. Karayev, J. Long, R. Girshick, S. Guadarrama, and T. Darrell, “Caffe: Convolutional Architecture for Fast Feature Embedding,” In Proceedings of the 22nd ACM international conference on Multimedia (MM '14), NY, USA, pp. 675-678.
7. “Intel Deep learning tool” [Online]. Available:https://software.intel.com/en-us/ai-academy/tools. [Accessed March 10, 2018].
