ระบบประมาณการมูลค่าทางการตลาดของไก่พื้นเมืองมูลค่าสูง โดยใช้เทคนิคการเรียนรู้ของเครื่อง
คำสำคัญ:
การเรียนรู้ของเครื่อง, การประมาณราคา, ไก่พื้นเมือง, ความแม่นยำของแบบจำลอง, การตรวจสอบความถูกต้องแบบเค-โฟลด์บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาและประเมินระบบประมาณการมูลค่าทางการตลาดของไก่พื้นเมืองมูลค่าสูงโดยใช้เทคนิคการเรียนรู้ของเครื่อง เพื่อลดความคลาดเคลื่อนจากการประเมินโดยอาศัยประสบการณ์ส่วนบุคคล ข้อมูลที่ใช้ประกอบด้วยคุณลักษณะสำคัญด้านสายพันธุ์ ลักษณะทางกายภาพ และช่วงราคาตลาด ซึ่งผ่านกระบวนการเตรียมข้อมูลและคัดเลือกคุณลักษณะก่อนสร้างแบบจำลอง การประเมินประสิทธิภาพดำเนินการด้วยเทคนิค 5-Fold Cross-Validation และใช้ตัวชี้วัด ได้แก่ Accuracy, Precision, Recall และ F1-score ร่วมกับการวิเคราะห์ค่าความคลาดเคลื่อนของการประมาณราคา ผลการทดลองพบว่าแบบจำลองสามารถจำแนกช่วงราคาได้อย่างมีประสิทธิภาพและเหมาะสมต่อการประยุกต์ใช้งานจริง สะท้อนศักยภาพของการประยุกต์ใช้ปัญญาประดิษฐ์ในการประเมินมูลค่าสัตว์เศรษฐกิจเฉพาะทางและการพัฒนาระบบสนับสนุนการตัดสินใจในภาคเกษตรกรรม
เอกสารอ้างอิง
Chuluunsaikhan, T., Kim, J.-H., Park, S.-H., & Nasridinov, A. (2024). Analyzing internal and external factors in livestock supply forecasting using machine learning: Sustainable insights from South Korea. Sustainability, 16, 6907.
de Oliveira, F. M., Ferraz, P. F. P., Ferraz, G. A. e. S., Pereira, M. N., Barbari, M., & Rossi, G. (2025). Prediction of body mass of dairy cattle using machine learning algorithms applied to morphological characteristics. Animals, 15, 1054.
Hossain, M. R. H., Islam, M. R., McGrath, S. R., Islam, M. Z., & Lamb, D. (2025). Learning-based estimation of cattle weight gain and its influencing factors. Computers and Electronics in Agriculture, 231, Article 109002.
Hossain, M. R. H., Islam, M. R., McGrath, S. R., Islam, M. Z., & Lamb, D. (2025). Mob-based cattle weight gain forecasting using machine learning models. Smart Agricultural Technology, 12, Article 100412.
Krishna, P. A., Narayana, G. V. S., Kotha, S. K., & Pattnayak, D. (2025). Machine learning based agricultural price forecasting for major food crops in India using environmental and economic factors. Biology and Life Sciences Forum, 54, 7.
Liakos, K. G., Busato, P., Moshou, D., Pearson, S., & Bochtis, D. (2018). Machine learning in agriculture: A review. Sensors, 18(8), 2674.
Lyu, P., Min, J., & Song, J. (2023). Application of machine learning algorithms for on-farm monitoring and prediction of broilers’ live weight: A quantitative study based on body weight data. Agriculture, 13, 2193.
Ma, W., Peng, L., Chen, H., & Yan, H. (2025). Interval price prediction of livestock product based on fuzzy mathematics and improved LSTM. PLoS ONE, 20(2), e0318823.
Mallory, M., Peng, R., Ma, M., & Wang, H. H. (2025). High-dimensional spatial-plus-vertical price relationships and price transmission: A machine learning approach. Journal of Agricultural Economics. Advance online publication
Papadopoulos, G., Papantonatou, M.-Z., Uyar, H., Kriezi, O., Mavrommatis, A., Psiroukis, V., Kasimati, A., Tsiplakou, E., & Fountas, S. (2025). Economic and environmental benefits of digital agricultural technological solutions in livestock farming: A review. Smart Agricultural Technology. Advance online publication.
Rahman, M. A., Kabir, M. A., Haque, M. E., & Hossain, B. M. M. (2021). A machine learning-based price prediction for cows. American Journal of Agricultural Science, Engineering and Technology, 5(1), 63–69.
Rahmani, E., Khatami, M., & Stephens, E. (2024). Using probabilistic machine learning methods to improve beef cattle price modeling and promote beef production efficiency and sustainability in Canada. Sustainability, 16, 1789.
Sanjuan, S., Méndez, D. A., Arnau, R., Calabuig, J. M., Díaz de Otálora Aguirre, X., & Estellés, F. (2025). Soft computing approaches for predicting shade-seeking behavior in dairy cattle under heat stress: A comparative study of random forests and neural networks. Mathematics, 13, 2662.
Sun, F., Meng, X., Zhang, Y., Wang, Y., Jiang, H., & Liu, P. (2023). Agricultural product price forecasting methods: A review. Agriculture, 13, 1671.
Zhang, N., An, Q., Zhang, S., & Ma, H. (2025). Price prediction for fresh agricultural products based on a boosting ensemble algorithm. Mathematics, 13, 71.
