Precision agriculture เทคโนโลยีผสมผสานการเกษตรยุคดิจิทัล
ดวงพร อรัญญพงษ์ไพศาล
บรรณารักษ์ชำนาญการ
สำนักหอสมุด มหาวิทยาลัยเกษตรศาสตร์
การเกษตรอัจฉริยะเป็นพื้นฐานของเกษตรกรรม 4.0 ซึ่งจะต้องมีการใช้ข้อมูล Big Data และระบบ AI ในการทำงาน ดังนั้นประเทศไทยจึงต้องเร่งพัฒนาภาคเกษตรกรรมให้เป็นเกษตรดิจิทัลให้มากขึ้นและรวดเร็วด้วยการศึกษาเรียนรู้เทคโนโลยีใหม่ๆ และสร้างนวัตกรรมเพิ่มเพื่อลดต้นทุน เพิ่มคุณภาพผลผลิตที่ทำให้ความสามารถในการแข่งขันทางการตลาดเพิ่มขึ้น แต่ปัญหาของเกษตรกรไทยในวันนี้ คือ แรงงานภาคเกษตรมีแนวโน้มลดลง เกษตรกรมีอายุเฉลี่ยมากขึ้น ผลผลิตเกษตรมีต้นทุนสูงขึ้นขณะที่ผลผลิตลดลง การใช้เทคโนโลยีในการเกษตรจะช่วยลดต้นทุนและความเสี่ยงต่างๆ พร้อมๆ กับการเพิ่มผลผลิตต่อไร่และตอบโจทย์เรื่องสังคมสูงอายุอีกด้วยอีกทั้งยังสามารถถ่ายทอดความรู้ระหว่างเกษตรกรได้ด้วย การทำเกษตรสมัยใหม่หรือเกษตรอัจฉริยะจะเน้นสร้างผลผลิตทางการเกษตรคุณภาพด้วยการปรับรูปแบบการผลิตโดยอาศัยเทรนด์เทคโนโลยีเกษตรอัจฉริยะร่วมกับการผลิตในรูปแบบจากฟาร์มสู่ผู้บริโภคเพื่อสร้างความมั่นใจให้กับผู้บริโภคว่าจะได้รับประทานผลผลิตที่มาจากความใส่ใจและความตั้งใจของเกษตรกรตัวจริง การเกษตรแม่นยำ หรือ precision agriculture ได้กลายมาเป็นเทรนด์การเกษตรสมัยใหม่โดยแอปพลิเคชั่นด้านการเก็บเกี่ยวผลผลิตการเกษตรที่แม่นยำได้รับความนิยมสูงมากเช่นกัน
Precision agriculture หรือเกษตรแม่นยำเป็นรูปแบบการเกษตรที่นำเทคโนโลยีมาผสมผสานเพื่อการเกษตรยุคดิจิทัลไม่ว่าจะเป็นเทคโนโลยีสารสนเทศและดิจิทัล เซนเซอร์ เทคโนโลยีชีวภาพ รวมทั้งนาโนเทคโนโลยีเพื่อเพิ่มปริมาณและคุณภาพของผลผลิตอันนำไปสู่การแข่งขันได้ในระดับสากล เกษตรแม่นยำเป็นการทำเกษตรที่มีการให้น้ำ ปุ๋ย และยาฆ่าแมลงในปริมาณและเวลาที่ถูกต้องเพื่อประสิทธิภาพสูงสุด เป็นหลักการบริหารจัดการเพาะปลูกเพื่อใช้ทรัพยากรอย่างมีประสิทธิภาพในระดับแปลงหรือโรงเรือน ในปัจจุบันมีการสร้างแอปพลิเคชั่นเกษตรแม่นยำสูงหรือเรียกว่าฟาร์มแม่นยำ โดยมีการพยากรณ์อากาศเฉพาะพื้นที่ ตรวจสุขภาพพืชหรือวางแผนในการเพาะปลูก หลักการสำคัญของเกษตรแม่นยำ คือ การจัดการที่แตกต่างกัน การเก็บข้อมูลและการแปรผลจึงมีความสำคัญอย่างมากกับเกษตรกรเพื่อใช้ในวางแผนการจัดการพื้นที่ในแปลงปลูกได้อย่างถูกต้องเหมาะสม
ขั้นตอนการทำงานของเกษตรแม่นยำ
- การเก็บรวบรวมข้อมูล คือ การเก็บข้อมูลของดิน น้ำ แสง ภูมิอากาศ ผลผลิตด้วยวิธีการและเทคโนโลยีต่าง ๆ
- การวินิจฉัยข้อมูล คือ การสร้าง กรองและเก็บข้อมูลที่เป็นประโยชน์เข้าสู่ฐานข้อมูลซึ่งมักจะใช้เทคโนโลยีภูมิสารสนเทศ
- การวิเคราะห์ข้อมูลหรือการทำนายผลผลิตเชิงพื้นที่รวมไปถึงการวางแผนจัดการเพาะปลูก เช่น เทคโนโลยี Crop Modeling ซึ่งจะนำข้อมูลต่างๆ มาทำโมเดลเพื่อหาความสัมพันธ์กับผลผลิตที่เก็บเกี่ยวได้
- การดำเนินการตามแผนปฏิบัติการเพาะปลูกที่วางไว้ เช่น การหยอดปุ๋ยด้วยรถขับเคลื่อนด้วย GPS การติดตั้งโปรแกรมการให้น้ำ การให้ปุ๋ยหรือยาฆ่าแมลงด้วยแคปซูลนาโน ซึ่งสามารถควบคุมการปลดปล่อยตามเงื่อนไขที่กำหนด
- การประเมินผลการปฏิบัติงานว่ามีประสิทธิภาพมากน้อยเพียงใด คุ้มค่าแก่การลงทุนหรือไม่ โดยใช้เทคโนโลยีด้านการเงินและเศรษฐศาสตร์อุตสาหกรรม
ตลาดเกษตรแม่นยำมีองค์ประกอบหลักตลอดห่วงโซ่อุปทาน ได้แก่
- เครื่องมือและอุปกรณ์ เช่น ฮาร์ดแวร์ ซอฟต์แวร์ และบริการด้านต่าง ๆ
- เทคโนโลยี เช่น ระบบระบุตำแหน่งแบบแม่นยำสูง การตรวจวัดระยะไกล และ VRT
- แอปพลิเคชั่น เช่น การตรวจวัดสภาพอากาศ การวัดผลผลิต การตรวจวัดในพื้นที่เพาะปลูกและการจัดการของเสีย
การใช้งานเทคโนโลยีเกษตรแม่นยำถูกนำไปใช้งานที่หลากหลาย เช่น การเฝ้าระวังผลผลิตทางการเกษตรซึ่งข้อมูลที่ได้จะเป็นแบบเรียลไทม์จึงมีประโยชน์ต่อเกษตรกรในการวางแผนการผลิตและบริหารจัดการเพาะปลูก นอกจากนี้การติดตามและการพยากรณ์สภาพภูมิอากาศมีแนวโน้มการใช้งานเพิ่มขึ้นเนื่องจากสภาพภูมิอากาศเป็นตัวแปรสำคัญจึงมีการนำเทคโนโลยี Machine Learning และการวิเคราะห์ข้อมูลขั้นสูงมาใช้เพื่อทำให้การติดตามและการพยากรณ์มีความน่าเชื่อถือและแม่นยำมากยิ่งขึ้น ภายใต้การเปลี่ยนแปลงของตลาดการเกษตรในปัจจุบันจะเห็นว่าเกษตรกรกำลังปรับตัวและหันมาใช้เทคโนโลยีมากขึ้นเพื่อก้าวสู่การทำเกษตรแม่นยำ นอกจากนี้ยังมีการบูรณาการเทคโนโลยี Internet of Things เข้าด้วยกันเพื่อช่วยติดตามได้ตลอดห่วงโซ่คุณค่าของธุรกิจเกษตร เช่น การบริหารจัดการน้ำ การปลูกพืช การเก็บเกี่ยว เป็นต้น ทำให้ได้ข้อมูลในการกำกับดูแลการเพาะปลูก การคาดการณ์ปริมาณผลผลิต การพยากรณ์สภาพภูมิอากาศ และการบริหารจัดการด้วยประสิทธิภาพสูงสุด
เทคโนโลยีที่เกี่ยวข้องกับระบบเกษตรแม่นยำ
- ระบบกำหนดตำแหน่งบนพื้นผิวโลก เป็นเทคโนโลยี ในการระบุพิกัดหรือตำแหน่งบนพื้นผิวโลกโดยใช้ดาวเทียม
- ระบบสารสนเทศทางภูมิศาสตร์ เป็นเทคโนโลยีในการรวบรวมและวิเคราะห์ข้อมูลเชิงพื้นที่แล้วนำมาแสดงผลในรูปแบบ ต่างๆ
- การรับรู้จากระยะไกล เป็นเครื่องมือที่ใช้ในการเก็บข้อมูลพื้นที่โดยอาศัยคลื่นแสงในช่วงความยาวคลื่นต่างๆ และคลื่นแม่เหล็กไฟฟ้าในรูปแบบต่าง ๆ
- การรับรู้ระยะใกล้ เป็นเทคโนโลยีการใช้เซ็นเซอร์วัดข้อมูลต่าง ๆ เซ็นเซอร์เหล่านี้สามารถทำงานร่วมกับระบบเครือข่ายไร้สายโดยนำไปติดตั้งในพื้นที่เพื่อเก็บข้อมูลต่างๆ เช่น ความชื้นในดิน อุณหภูมิ ปริมาณแสง การเกิดโรค เป็นต้น
- เทคโนโลยีจัดการพื้นที่ตามความเหมาะสมหรือเทคโนโลยีการให้ปุ๋ย ให้น้ำ สารเคมีควบคุมศัตรูพืช ตามสภาพความแตกต่างของพื้นที่โดยมักจะใช้ร่วมกับเทคโนโลยี GPS ทั้งนี้อาจจะใช้งานร่วมกับเทคโนโลยีการรับรู้ระยะใกล้เพื่อความถูกต้องและแม่นยำมากขึ้น
- เทคโนโลยีเพื่อการตัดสินใจในระบบการทำฟาร์ม เป็นการบูรณาการ 5 เทคโนโลยีไว้ด้วยกันเพื่อใช้ประกอบการตัดสินใจในการปฏิบัติงานในฟาร์มและยังสามารถช่วยในเรื่องการทำนายผลผลิตที่จะสามารถเก็บเกี่ยวได้โดยทำนายจากข้อมูลผลผลิตในอดีตควบคู่กับข้อมูลสภาพอากาศซึ่งถือเป็นปัจจัยหลักในงานด้านเกษตรกรรม
การนำ digital technology มาใช้พัฒนาภาคเกษตรไทย
สำหรับประเทศไทย digital technology ยังให้บริการไม่ครบวงจร คุณภาพไม่ดีนักและมีผู้ใช้งานน้อย แอปพลิเคชั่นส่วนใหญ่เน้นการให้บริการเฉพาะด้านการส่งเสริมการทำเกษตรกรรม การให้ความรู้และการให้ข้อมูลข่าวสาร ในขณะที่แอปพลิเคชั่นด้านการตลาด การแบ่งปันทรัพยากรและการเงินยังมีน้อยมาก ประเทศไทยมี agritech startup 3 แห่งที่เริ่มเป็นที่รู้จักทั้งในวงการเกษตรและวงการ startup ของประเทศไทย คือ Ricult, ListenField และ FARMTO
- Ricult Farmer ให้บริการข้อมูลการพยากรณ์อากาศล่วงหน้า ผลวิเคราะห์สถานการณ์เพาะปลูกรายแปลงและความรู้เกี่ยวกับการเพาะปลูกซึ่งเป็นประโยชน์ต่อการวางแผนการเพาะปลูก ใส่ปุ๋ย กำจัดศัตรูพืชหรือเก็บเกี่ยว
- FarmAI มีวัตถุประสงค์เพื่อช่วยเกษตรกรในการทำเกษตรแม่นยำ เพิ่มประสิทธิภาพการบริหารจัดการฟาร์มและเพิ่มผลิตผลให้แก่เกษตรกร โดยให้บริการข้อมูลสภาพอากาศและการประมาณการผลผลิตจากแบบจำลองที่พัฒนาขึ้นเองและใช้ข้อมูลจากทั้งภาพถ่ายทางอากาศประกอบกับข้อมูลที่เก็บได้จากในแปลงเพาะปลูกด้วย
- FARMTO เป็นแพลตฟอร์มสำหรับซื้อขายสินค้าเกษตรที่เชื่อมต่อเกษตรกรรายย่อยกับผู้บริโภคโดยตรงผ่านทางเว็บไซต์และแอปพลิเคชั่น โดยพยายามจะช่วยลดปัญหาการขาดแคลนเงินทุนหมุนเวียนของเกษตรกร โดยการให้ผู้บริโภคชำระเงินล่วงหน้าเพื่อสั่งจองผลผลิตและเงินส่วนหนึ่งจะถูกจ่ายให้แก่เกษตรกรเพื่อนำไปใช้เป็นเงินทุนเริ่มต้นในการเพาะปลูกและการสั่งจองผลผลิตล่วงหน้าทำให้เกษตรกรมั่นใจได้ว่าผลผลิตมีตลาดรองรับและสามารถวางแผนการผลิตได้ FARMTO ดึงดูดผู้บริโภคด้วยการสร้างการมีส่วนร่วมในการผลิตและควบคุมคุณภาพผลผลิต โดยผู้บริโภคสามารถทราบพิกัดพื้นที่เพาะปลูก ติดตามสถานการณ์เพาะปลูกและสื่อสารกับเกษตรกรได้โดยตรงตลอดกระบวนการผลิตผ่านแพลตฟอร์มรวมถึงสามารถไปเยี่ยมชมพื้นที่การเพาะปลูกในสถานที่จริงได้อีกด้วย
ปัจจัยสู่ความสำเร็จของ digital technology เพื่อการเกษตร
การจะสร้าง digital technology เพื่อการเกษตรให้สำเร็จได้ต้องมีปัจจัย 4 ประการ ได้แก่
- 1. Simplicity ต้องเข้าถึงง่าย เข้าใจง่ายและใช้งานง่ายเพื่อให้เกษตรกรซึ่งเป็นผู้ใช้งานยอมรับ ใช้งานเป็นและตระหนักถึงประโยชน์ที่เกิดขึ้นจากการนำเทคโนโลยีเหล่านี้มาใช้ในขณะเดียวกันก็ต้องแก้ปัญหาให้แก่เกษตรกรได้อย่างครบวงจรจึงจะสามารถจูงใจให้เกษตรกรใช้อย่างยั่งยืน
- Replicability ต้องสามารถนำไปประยุกต์ใช้กับพืช พื้นที่หรือเกษตรกรกลุ่มอื่นได้ด้วย โดยไม่ต้องใช้ต้นทุนสูงในการสร้างผลิตภัณฑ์ใหม่ให้กับเกษตรกรกลุ่มใหม่ทุกครั้ง
- Scalability ต้องสามารถขยายผลไปใช้ในวงกว้างได้ดีและการดำเนินงานของผู้ให้บริการต้องสามารถรองรับผู้ใช้งานจำนวนมากได้
- Sustainability ต้องสามารถดำเนินงานได้อย่างยั่งยืน มีฐานเกษตรกรผู้ใช้งานอย่างต่อเนื่อง มีช่องทางการหารายได้ที่มั่นคงสม่ำเสมอและคุ้มต้นทุนและเติบโตได้โดยไม่ต้องพึ่งพาเงินสนับสนุนจากรัฐหรือองค์กรภายนอกตลอดเวลา
แนวโน้ม อุปสรรคและความท้าทายของเกษตรแม่นยำ
สำหรับในประเทศไทยการเกษตรแม่นยำถือเป็นเรื่องใหม่สำหรับเกษตรกรรายย่อยแต่สำหรับเกษตรกรหรือฟาร์มที่มีขนาดใหญ่ ต่างให้ความสนใจในการทำฟาร์มอัจฉริยะกันมากขึ้นเนื่องจากมีการตื่นตัวและการกระตุ้นจากหลายประเทศ แต่ทั้งนี้หน่วยงานด้านเกษตรหรือด้านไอทีอาจจะต้องให้คำแนะนำ การสนับสนุนอุปกรณ์ พัฒนาเครือข่ายไร้สายและความช่วยเหลือแก่เกษตรกรเจ้าของฟาร์ม โดยเฉพาะอย่างยิ่งเกษตรกรรายย่อยซึ่งมีอยู่ในประเทศเป็นจำนวนมาก และเนื่องจากยังเป็นเทคโนโลยีใหม่เจ้าของฟาร์มจึงยังไม่เข้าใจการแปลผลข้อมูลและมองว่าไม่คุ้มค่าต่อการลงทุนเนื่องจากอุปกรณ์มีราคาค่อนข้างสูง
ข้อจำกัดของการใช้เทคโนโลยีดังกล่าวยังเป็นเรื่องของค่าใช้จ่ายในการดำเนินการที่ค่อนข้างสูง การขาดองค์ความรู้ และการยอมรับในเทคโนโลยีของเกษตรกร ดังนั้นความท้าทายเหล่านี้จะก่อให้เกิดการเปลี่ยนแปลงจากเกษตรดั้งเดิมมาเป็นเกษตรแม่นยำและสามารถสร้างผลประโยชน์เชิงเศรษฐกิจและสังคมได้อย่างมากโดยเฉพาะการรวบรวมข้อมูลในแบบเรียลไทม์ การทำเกษตรในยุคใหม่จะเปลี่ยนไปจากเดิมด้วยเกษตรแม่นยำ เกษตรกรต้องใช้เทคโนโลยีสู้กับภาวะดินเสื่อม ปัญหาน้ำและภาวะโลกร้อนหากจะทำเกษตรให้ได้กำไรต้องเปลี่ยนจากเกษตรยังชีพมาเป็นเกษตรธุรกิจโดยใช้ Agritech ยกระดับอาหารที่ดีขึ้นสู่ผู้บริโภคและแปรรูปเพื่อหาตลาดที่ต้องการให้ได้ราคาที่ดีที่สุด
สามารถสืบค้นแหล่งข้อมูล online เพิ่มเติมได้ที่
M. Abdulsalam and N. Aouf, "Deep Weed Detector/Classifier Network for Precision Agriculture," 2020 28th Mediterranean Conference on Control and Automation (MED), Saint-Raphaël, France, 2020, pp. 1087-1092, DOI: 10.1109/MED48518.2020.9183325
D. Yuniarto, D. Herdiana and D. Indra Junaedi, "Smart Farming Precision Agriculture Project Success based on Information Technology Capability," 2020 8th International Conference on Cyber and IT Service Management (CITSM), Pangkal Pinang, Indonesia, 2020, pp. 1-6,
DOI: 10.1109/CITSM50537.2020.9268807
N. S. Mitchell, A. Bakhtazad and J. Sabarinathan, "Customized Shape Detection Algorithms for Radiometric Calibration of Multispectral Imagers for Precision Agriculture Applications," 2020 IEEE Canadian Conference on Electrical and Computer Engineering (CCECE), London, ON, Canada, 2020, pp. 1-4,
DOI: 10.1109/CCECE47787.2020.9255814
G. Gyarmati and T. Mizik, "The present and future of the precision agriculture," 2020 IEEE 15th International Conference of System of Systems Engineering (SoSE), Budapest, Hungary, 2020, pp. 593-596,
DOI: 10.1109/SoSE50414.2020.9130481
A. Triantafyllou, P. Sarigiannidis, S. Bibi, F. Vakouftsi and P. Vassilis, "Modelling deployment costs of Precision Agriculture Monitoring Systems," 2020 16th International Conference on Distributed Computing in Sensor Systems (DCOSS), Marina del Rey, CA, USA, 2020, pp. 252-259,
DOI: 10.1109/DCOSS49796.2020.00048
M. M. Anghelof, G. Suciu, R. Craciunescu and C. Marghescu, "Intelligent System for Precision Agriculture," 2020 13th International Conference on Communications (COMM), Bucharest, Romania, 2020, pp. 407-410, DOI: 10.1109/COMM48946.2020.9141981
A. D. Coelho, B. G. Dias, W. de Oliveira Assis, F. de Almeida Martins and R. C. Pires, "Monitoring of Soil Moisture and Atmospheric Sensors with Internet of Things (IoT) Applied in Precision Agriculture," 2020 XIV Technologies Applied to Electronics Teaching Conference (TAEE), Porto, Portugal, 2020, pp. 1-8,
DOI: 10.1109/TAEE46915.2020.9163766
Y. Bhojwani, R. Singh, R. Reddy and B. Perumal, "Crop Selection and IoT Based Monitoring System for Precision Agriculture," 2020 International Conference on Emerging Trends in Information Technology and Engineering (ic-ETITE), Vellore, India, 2020, pp. 1-11,
DOI: 10.1109/ic-ETITE47903.2020.123
R. Katarya, A. Raturi, A. Mehndiratta and A. Thapper, "Impact of Machine Learning Techniques in Precision Agriculture," 2020 3rd International Conference on Emerging Technologies in Computer Engineering: Machine Learning and Internet of Things (ICETCE), Jaipur, India, 2020, pp. 1-6,
DOI: 10.1109/ICETCE48199.2020.9091741
Rabello A, Brito RC, Favarim F, Weitzenfeld A, Todt E. Mobile System for Optimized Planning to Drone Flight applied to the Precision Agriculture. 2020 3rd International Conference on Information and Computer Technologies (ICICT), Information and Computer Technologies (ICICT), 2020 3rd International Conference on, ICICT. March 2020:12-16.
Doi :10.1109/ICICT50521.2020.00010
Pavithra K, Jayalakshmi M. Analysis of Precision Agriculture based on Random Forest Algorithm by using Sensor Networks. 2020 International Conference on Inventive Computation Technologies (ICICT), Inventive Computation Technologies (ICICT), 2020 International Conference on. February 2020:496-499.
Doi :10.1109/ICICT48043.2020.9112407
D. Shadrin, A. Menshchikov, A. Somov, G. Bornemann, J. Hauslage and M. Fedorov, "Enabling Precision Agriculture Through Embedded Sensing With Artificial Intelligence," in IEEE Transactions on Instrumentation and Measurement, vol. 69, no. 7, pp. 4103-4113, July 2020,
DOI: 10.1109/TIM.2019.2947125
S. K. Routray, A. Javali, L. Sharma, A. D. Ghosh and A. Sahoo, "Internet of Things Based Precision Agriculture for Developing Countries," 2019 International Conference on Smart Systems and Inventive Technology (ICSSIT), Tirunelveli, India, 2019, pp. 1064-1068,
DOI: 10.1109/ICSSIT46314.2019.8987794
Maloku D, Balogh P, Bai A, Gabnai Z, Lengyel P. Trends in scientific research on precision farming in agriculture using science mapping method. International Review of Applied Sciences & Engineering. 2020;11(3):232-242.
DOI : 10.1556/1848.2020.00086
E. Vlasceanu, M. Dima, D. Popescu and L. Ichim, "Sensor and Communication Considerations in UAV-WSN Based System for Precision Agriculture," 2019 IEEE International Conference on Cybernetics and Intelligent Systems (CIS) and IEEE Conference on Robotics, Automation and Mechatronics (RAM), Bangkok, Thailand, 2019, pp. 281-286,
DOI: 10.1109/CIS-RAM47153.2019.9095823
Cisternas I, Velásquez I, Caro A, Rodríguez A. Systematic literature review of implementations of precision agriculture. Computers and Electronics in Agriculture. 2020;176.
DOI : 10.1016/j.compag.2020.105626
Comba L, Biglia A, Aimonino DR, Barge P, Tortia C, Gay P. 2D and 3D data fusion for crop monitoring in precision agriculture. 2019 IEEE International Workshop on Metrology for Agriculture and Forestry (MetroAgriFor), Metrology for Agriculture and Forestry (MetroAgriFor), 2019 IEEE International Workshop on. October 2019:62-67.
DOI : 10.1109/MetroAgriFor.2019.8909219
Salima Y, Marin Peira JF, Rincon de la Horra G, Ablanque PVM. Remote Sensing Data: Useful Way for the Precision Agriculture. 2019 Sixth International Conference on Internet of Things: Systems, Management and Security (IOTSMS), Internet of Things: Systems, Management and Security (IOTSMS), 2019 Sixth International Conference on. October 2019:603-609.
DOI : 10.1109/IOTSMS48152.2019.8939229
Mamani Diaz CA, Medina Castaneda EE, Mugruza Vassallo CA. Deep Learning for Plant Classification in Precision Agriculture. 2019 International Conference on Computer, Control, Informatics and its Applications (IC3INA), Computer, Control, Informatics and its Applications (IC3INA), 2019 International Conference on. October 2019:9-13.
DOI : 10.1109/IC3INA48034.2019.8949612
Danton, A. et al. (2020) ‘Development of a spraying robot for precision agriculture: An edge following approach’, 2020 IEEE Conference on Control Technology and Applications (CCTA), Control Technology and Applications (CCTA), 2020 IEEE Conference on, pp. 267–272.
DOI : 10.1109/CCTA41146.2020.9206304.
Sott MK, Furstenau LB, Kipper LM, et al. Precision Techniques and Agriculture 4.0 Technologies to Promote Sustainability in the Coffee Sector: State of the Art, Challenges and Future Trends. IEEE Access, Access, IEEE. 2020;8:149854-149867.
Doi :10.1109/ACCESS.2020.3016325
Lita, Ioan, Daniel Alexandru Visan, Alin Gheorghita Mazare, and Laurentiu Mihai Ionescu. 2019. “Solar Tracker for Autonomous Power Supplying of Electronic Systems Used in Precision Agriculture.” 2019 IEEE 25th International Symposium for Design and Technology in Electronic Packaging (SIITME), Design and Technology in Electronic Packaging (SIITME), 2019 IEEE 25th International Symposium For, October, 82–85. Doi :10.1109/SIITME47687.2019.8990694.
Ofori, E., Griffin, T. and Yeager, E. (2020) ‘Duration analyses of precision agriculture technology adoption: what’s influencing farmers’ time-to-adoption decisions?’, Agricultural Finance Review, 80(5), pp. 647–664. Doi : 10.1108/AFR-11-2019-0121.
Aishwarya Lakshmi, T., Hariharan, B. and Rekha, P. (2019) ‘A Survey on Energy Efficient Routing Protocol for IoT Based Precision Agriculture’, 2019 International Conference on Communication and Electronics Systems (ICCES), Communication and Electronics Systems (ICCES), 2019 International Conference on, pp. 1284–1288.
Doi: 10.1109/ICCES45898.2019.9002410.
Leenen, M. et al. (2019) ‘Rapid determination of lime requirement by mid‐infrared spectroscopy: A promising approach for precision agriculture’, Journal of Plant Nutrition & Soil Science, 182(6), pp. 953–963.
Doi : 10.1002/jpln.201800670.
M. A. Cullu, M. Teke, N. Mutlu, U. Türker, A. V. Bilgili and F. Bozgeyik, "Integration And Importance Of Soil Mapping Results In The Precision Agriculture," 2019 8th International Conference on Agro-Geoinformatics (Agro-Geoinformatics), Istanbul, Turkey, 2019, pp. 1-4,
DOI: 10.1109/Agro-Geoinformatics.2019.8820527
G. Suciu, I. Marcu, C. Balaceanu, M. Dobrea and E. Botezat, "Efficient IoT system for Precision Agriculture," 2019 15th International Conference on Engineering of Modern Electric Systems (EMES), Oradea, Romania, 2019, pp. 173-176,
DOI: 10.1109/EMES.2019.8795102
V. Palazzi, S. Bonafoni, F. Alimenti, P. Mezzanotte and L. Roselli, "Feeding the World With Microwaves: How Remote and Wireless Sensing Can Help Precision Agriculture," in IEEE Microwave Magazine, vol. 20, no. 12, pp. 72-86, Dec. 2019,
DOI: 10.1109/MMM.2019.2941618
Yu. V. Chesnokov. “QTL analysis and management of plant productivity in the precision agriculture,” Database: Directory of Open Access Journals, 2020. Vol 0, Iss 4, Pp 12-19
https://doi.org/10.18619/2072-9146-2020-4-12-19
A. Massaro, N. Savino and A. Galiano, "Agri-Photonics in Precision Agriculture," 2020 22nd International Conference on Transparent Optical Networks (ICTON), Bari, Italy, 2020, pp. 1-4,
DOI: 10.1109/ICTON51198.2020.9203077
Demestichas K, Daskalakis E. Data Lifecycle Management in Precision Agriculture Supported by Information and Communication Technology. Agronomy. 2020;10(11):1648.
Doi :10.3390/agronomy10111648
Vlasceanu E, Popescu D, Ichim L. Aerial Robotic Team for Complex Monitoring in Precision Agriculture. 2019 15th International Conference on Distributed Computing in Sensor Systems (DCOSS), Distributed Computing in Sensor Systems (DCOSS), 2019 15th International Conference on. May 2019:167-169.
Doi :10.1109/DCOSS.2019.00044
Pavón-Pulido N, López-Riquelme J, Torres R, Morais R, Pastor J. New trends in precision agriculture: a novel cloud-based system for enabling data storage and agricultural task planning and automation. Precision Agriculture. 2017;18(6):1038-1068.
Doi :10.1007/s11119-017-9532-7
N. S. Samaras, "An Integrated Decision Support System Based on Wireless Sensor Networks Applied in Precision Agriculture," 2018 Advances in Wireless and Optical Communications (RTUWO), Riga, 2018, pp. 240-245,
DOI: 10.1109/RTUWO.2018.8587903
J. Roux, J. Fourniols, G. Soto-Romero and C. Escriba, "A Connected Soil Humidity and Salinity Sensor for Precision Agriculture," 2018 International Conference on Computational Science and Computational Intelligence (CSCI), Las Vegas, NV, USA, 2018, pp. 1028-1031,
DOI: 10.1109/CSCI46756.2018.00199
การพัฒนาระบบระบุพิกัดตำแหน่งบนพื้นโลกแบบจลน์สำหรับการทำเกษตรแม่นยำ : การตรวจสอบยืนยันความถูกต้องของค่าพิกัดตำแหน่ง. 2560.
https://ph02.tci-thaijo.org/index.php/featkku/article/view/176537
Ahmed, Nurzaman, De, Debashis, Hussain, Md. Iftekhar. Internet of Things (IoT) for Smart Precision Agriculture and Farming in Rural Areas. IEEE Internet of Things Journal. 2018, pp. 2327-4662,
DOI :10.1109/JIOT.2018.2879579
แหล่งอ้างอิง
ศศิวัฒน์ ตันติบุญยานนท์. 2562. การเกษตรแม่นยำสูง ลดต้นทุน เพิ่มรายได้ แนวโน้มการทำเกษตรในยุคดิจิทัล. สืบค้นจาก
www.technologychaoban.com
วิฑูรย์ สิมะโชคดี. 2563. เกษตรยุคดิจิทัล' กุญแจการแข่งขันในอนาคต. สืบค้นจาก https://www.bangkokbiznews.com/news/detail/891162
สถาบันวิจัยเศรษฐกิจป๋วย อึ๊งภากรณ์. 2562. Digital technology กับการยกระดับคุณภาพชีวิตเกษตรกรไทย. สืบค้นจาก
https://bit.ly/2X3WGrA