เวียดนามเป็นผู้ส่งออกกาแฟรายใหญ่เป็นอันดับสองของโลกและมีส่วนสนับสนุนปริมาณกาแฟโรบัสต้ามากกว่าครึ่งหนึ่งของปริมาณทั้งหมดทั่วโลก คาดว่าผลผลิตกาแฟในปีการเพาะปลูก 2022/23 จะสูงถึง 29.75 ล้านกระสอบ โดยโรบัสต้ามีสัดส่วนมากกว่า 95%
จากการทบทวนประจำปี 2021/2022 ขององค์กรกาแฟระหว่างประเทศ เวียดนามครองอันดับหนึ่งในด้านผลผลิตการปลูกกาแฟด้วยปริมาณ 2.4 ตันต่อเฮกตาร์ การผลิตกาแฟในเวียดนามประกอบด้วยเมล็ดกาแฟโรบัสต้า อาราบิก้า เชอร์รี โมก้า และคูลิ ซึ่งเป็นเมล็ดกาแฟที่นิยมปลูกมากที่สุดในเวียดนาม
อย่างไรก็ตาม ราคาผลิตภัณฑ์ทางการเกษตรโดยทั่วไปและโดยเฉพาะราคาเมล็ดกาแฟ มักจะไม่แน่นอนและผันผวนอย่างมากในช่วงการเก็บเกี่ยว ส่งผลกระทบต่อรายได้ของเกษตรกรอย่างมีนัยสำคัญและก่อให้เกิดความเสียหายต่อเศรษฐกิจ
จากซ้ายไปขวา: นักศึกษาคณะวิทยาศาสตร์ 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)
เพื่อค้นคว้าหาแนวทางแก้ไขปัญหานี้ นักศึกษาชั้นปีสุดท้ายกลุ่มหนึ่งซึ่งเรียนเอกเทคโนโลยีสารสนเทศ คณะวิทยาศาสตร์ วิศวกรรมศาสตร์ และเทคโนโลยี ซึ่งได้แก่ Nguyen Hai Minh Trang, Doan Chanh Thong, Le Ngoc Nguyen Thuan, Nguyen Phuong Nam และ Lam Tin Dieu ได้ทำการฝึกอบรมและประเมินโมเดลการเรียนรู้ของเครื่องจักร (ML) จำนวน 6 โมเดล เพื่อคาดการณ์ราคาของกาแฟ ซึ่งสามารถช่วยให้เกษตรกรชาวเวียดนามตัดสินใจเกี่ยวกับพืชผลของตนอย่างรอบรู้ และวางแผนตามนั้น ซึ่งจะช่วยเพิ่มผลกำไรและลดการสูญเสียให้เหลือน้อยที่สุด
“เราได้พัฒนาโมเดล ML จำนวน 6 โมเดล ได้แก่ LSTM, GRU, ARIMA, SARIMA, SVM และ RF โดยอาศัยประวัติราคากาแฟ ราคาเบนซิน อุณหภูมิ และปริมาณน้ำฝน เพื่อคาดการณ์ราคากาแฟโรบัสต้าในจังหวัดลัมดง และพบว่าโมเดล RF ที่ใช้ชุดข้อมูลทั้งหมดนั้นมีประสิทธิผลมากที่สุด” ตรังกล่าว
ในบรรดาโมเดลการเรียนรู้ของเครื่องจักรทั้ง 6 โมเดล โมเดล RF ที่ใช้ชุดข้อมูลทั้งหมดให้ผลลัพธ์ที่ดีที่สุด
“RF สามารถรวมชุดข้อมูลที่สมบูรณ์ยิ่งขึ้นและจัดการความสัมพันธ์ที่ไม่เป็นเชิงเส้นได้ นอกจากนี้ ราคาน้ำมันยังพิสูจน์ให้เห็นว่าเป็นปัจจัยทำนายที่สำคัญและมีประสิทธิภาพเหนือกว่าคุณสมบัติอื่นๆ ที่ทดสอบรวมกันทั้งหมด”
ทีมงานเน้นย้ำว่าโมเดลนี้มีศักยภาพที่จะปรับปรุงเพิ่มเติมได้โดยการศึกษาและรวมผลกระทบของผลผลิตพืชผล แนวโน้มตลาด และเหตุการณ์ทางภูมิรัฐศาสตร์ต่อราคาสินค้าเกษตร
สมาชิกในทีมแต่ละคนต้องเผชิญกับความท้าทายที่แตกต่างกันในระหว่างดำเนินโครงการ เช่น ขาดความเข้าใจเชิงลึกเกี่ยวกับโมเดล ML ต่างๆ การสื่อสารความซับซ้อนของสิ่งที่คุณทำกับโดเมน AI ได้อย่างมีประสิทธิภาพ หรือการจัดการเวลาและการสื่อสารเมื่อทำงานจากระยะไกล อย่างไรก็ตาม การทุ่มเทเวลาอย่างมากในการวิจัย การเจาะลึกเอกสารวิจัยที่เกี่ยวข้องกับ AI และ ML และการพัฒนาทักษะทางเทคนิคและการทำงานร่วมกัน จะช่วยให้คุณพัฒนาทักษะการวิจัย AI เพื่อแก้ปัญหาในโลกแห่งความเป็นจริง และสามารถพัฒนางานวิจัยของทีมของคุณให้เป็นผลิตภัณฑ์ในโลกแห่งความเป็นจริงได้
“ความท้าทายหลักสำหรับเราอยู่ที่การรวบรวมและบูรณาการข้อมูล” Thuan กล่าว
“แม้ว่าการพัฒนาโมเดลจะค่อนข้างตรงไปตรงมา แต่เวลาจำนวนมากที่จำเป็นในการรวบรวมและรวมข้อมูลเข้าด้วยกันถือเป็นความท้าทายครั้งใหญ่สำหรับเรา สมาชิกในทีมแต่ละคนต้องเรียนรู้และพัฒนาทักษะของตนทั้งในด้านเทคนิคและการประสานงานโครงการ ตั้งแต่การวิจัยเชิงลึก ไปจนถึงการผลักดันนวัตกรรมและคิดค้นโซลูชันใหม่ๆ”
ในช่วงเวลาของการศึกษา นัมทำงานจากฮานอยและมีงานทำเต็มเวลา นัมกล่าวว่า เพื่อป้องกันความล่าช้าและการหยุดชะงักที่อาจเกิดขึ้น ทีมงานได้กำหนดการประชุมรายสัปดาห์และรักษาการสื่อสารอย่างสม่ำเสมอ ทั้งนี้เพื่อเป็นกำลังใจให้กันและกันให้เป็นไปตามแผนและเพื่อให้ทำงานที่ได้รับมอบหมายได้สำเร็จลุล่วงไปด้วยดี
โครงการหลักของทีมได้รับการดูแลอย่างใกล้ชิดจากอาจารย์จากคณะวิทยาศาสตร์ วิศวกรรมศาสตร์ และเทคโนโลยี RMIT เวียดนาม ผลลัพธ์ของโครงการได้รับการนำเสนอเมื่อเร็วๆ นี้ในงานระดับนานาชาติที่มีชื่อเสียงอย่างการประชุมนานาชาติ IEEE/ACIS ครั้งที่ 8 ว่าด้วย Big Data, Cloud Computing and Data Science Engineering (BCD 2023) โดยมีนักวิจัย นักวิทยาศาสตร์ วิศวกร ผู้เชี่ยวชาญในสาขา Big Data, Cloud Computing และ Data Science เข้าร่วม
นักศึกษา Nguyen Phuong Nam สาธิตการทำงานของเว็บไซต์จำลองราคากาแฟ
ทีมงานมีแผนที่จะปรับปรุงโมเดลตามข้อเสนอแนะจากการนำเสนอในงานประชุม และยังสำรวจแนวทางอื่น ๆ เพื่อปรับปรุงความแม่นยำและความสามารถในการใช้งานของการคาดการณ์อีกด้วย
“เราวางแผนที่จะเจาะลึกเทคนิคที่ล้ำสมัยและวิธีการเกิดใหม่ในสาขานี้มากขึ้น เพื่อเสริมความแข็งแกร่งให้กับผลการวิจัยที่ทีมงานบรรลุมา” ทองกล่าว
นอกจากนี้ เรายังวางแผนที่จะร่วมมือกับผู้เชี่ยวชาญคนอื่นๆ ในสาขานี้ และสำรวจความร่วมมือที่เป็นไปได้เพื่อขยายขอบเขตและผลกระทบของผลการวิจัยของกลุ่ม”
ทีมงานวางแผนที่จะดำเนินการปรับปรุงและอัพเกรดการวิจัยอย่างต่อเนื่อง เพื่อให้สามารถมีส่วนสนับสนุนในทางปฏิบัติต่อสาขา Big Data และ AI ที่มีการเปลี่ยนแปลงอยู่ตลอดเวลาจากการวิจัยเฉพาะของคุณได้
ลิงค์ที่มา
การแสดงความคิดเห็น (0)