Development of biometric model for sugarcane (saccharum officinarum l.) yield estimation using unmanned aerial vehicle
Issued Date
2021
Copyright Date
2021
Resource Type
Language
eng
File Type
application/pdf
No. of Pages/File Size
xi, 98 leaves : ill.
Access Rights
open access
Rights
ผลงานนี้เป็นลิขสิทธิ์ของมหาวิทยาลัยมหิดล ขอสงวนไว้สำหรับเพื่อการศึกษาเท่านั้น ต้องอ้างอิงแหล่งที่มา ห้ามดัดแปลงเนื้อหา และห้ามนำไปใช้เพื่อการค้า
Rights Holder(s)
Mahidol University
Bibliographic Citation
Thesis (M.Sc. (Technology of Environmental Management))--Mahidol University, 2021
Suggested Citation
Wachara Ngimsanthia Development of biometric model for sugarcane (saccharum officinarum l.) yield estimation using unmanned aerial vehicle. Thesis (M.Sc. (Technology of Environmental Management))--Mahidol University, 2021. Retrieved from: https://repository.li.mahidol.ac.th/handle/123456789/114135
Title
Development of biometric model for sugarcane (saccharum officinarum l.) yield estimation using unmanned aerial vehicle
Alternative Title(s)
การพัฒนาแบบจำลองไบโอเมทริกซ์เพื่อประมาณการผลผลิตอ้อยด้วยอากาศยานไร้คนขับ
Author(s)
Abstract
Precise growth monitoring and yield estimation are essential for improving the supply chain management system of cane and sugar production. Traditional yield estimation uses an observation method, which gives low accuracy and high uncertainty. It also consumes time and requires a large amount of labor. The objectives of this study were to develop a crop growth model and to estimate the sugarcane yield of the Khon Kaen 3 (KK3) cultivar by using a high-resolution unmanned aerial vehicle (UAV). The researcher used data processing with digital photogrammetry, which could extract spatial information to create biometrics representing cane’s phenotypic data i.e. height (Canopy Surface Model), canopy, leaf area index (LAI), and spectral index, i.e. normalized difference vegetation index (NDVI) in tillering, elongation, and maturation stages. The sugarcane yield estimation model with biometric data was constructed using a regression analysis method. Then the biometrics and yield estimation model was validated by comparing with the biometrics field data and the fresh biomass collected at the same time. The results showed that simple linear regression analysis was accurate for estimating the sugarcane yield. Canopy Surface Model had the highest coefficient of determination (R2), followed by LAI, canopy, and NDVI, of which the range of R2 values was between 0.9 - 0.6 and the root mean square error (RMSE) ranged between 2.33 - 8.83 tons per rai. When the estimated yield from Canopy Surface Model model was compared with the actual yield from the sugarcane planting area, the difference in yield estimation was between 14.56 and -20.78 %. The best time to estimate sugarcane production was about one month before harvest. The yield estimation by biometric data from UAV was more accurate than the traditional method. The biometric data extracted from digital photogrammetry indicated the unique plant morphology and physiology. It could be applied to build a sugar cane growth model and estimate the yield with accuracy and more reliability than the spectral indices from multispectral images. These research results could be used as information to support supply chain management in the cane and sugar industry for planning the production efficiently and cost-effectively.
การติดตามการเจริญเติบโตและการประมาณการผลผลิตอ้อยอย่างแม่นยำ เป็นสิ่งสำคัญในการปรับปรุงระบบการจัดการห่วงโซ่อุปทานของการผลิตอ้อยและน้ำตาลทราย การประเมินผลผลิตตามวิธีแบบดั้งเดิมที่ใช้การสังเกต ซึ่งให้ความถูกต้องต่ำ และมีความไม่แน่นอนสูง อีกทั้งใช้เวลาและแรงงานจำนวนมาก การศึกษานี้มีวัตถุประสงค์เพื่อพัฒนาแบบจำลองการเจริญเติบโตและประมาณการผลผลิตอ้อยพันธุ์ขอนแก่น 3 โดยใช้ข้อมูลภาพถ่ายรายละเอียดสูงที่บันทึกได้จากอากาศยานไร้คนขับ (UAV) ผู้วิจัยใช้วิธีประมวลผลข้อมูลด้วยการรังวัดด้วยภาพดิจิทัลที่สามารถสกัดสารสนเทศเชิงพื้นที่เพื่อสร้างเป็นข้อมูลไบโอเมทริกซ์ที่เป็นลักษณะที่แสดงออกของอ้อย ได้แก่ ความสูง ขนาดของทรงพุ่ม ดัชนีพื้นที่ใบ และดัชนีพืชพรรณ ในระยะแตกกอ ย่างปล้อง และสะสมน้ำตาลหรือสุกแก่ แบบจำลองประมาณการผลผลิตอ้อยจากข้อมูลไบโอเมทริกซ์นี้สร้างขึ้นด้วยวิธีการวิเคราะห์การถดถอย หลังจากนั้นตรวจสอบความถูกต้องของข้อมูลไบโอเมทริกซ์และจำนวนผลผลิตจากแบบจำลอง โดยการเปรียบเทียบกับค่าไบโอเมทริกซ์จากการวัดในภาคสนามและชีวมวลสดของอ้อยในช่วงเวลาเดียวกัน ผลการศึกษาพบว่า การวิเคราะห์การถดถอยเชิงเส้นอย่างง่าย มีความแม่นยำในการประมาณค่าผลผลิตอ้อย ซึ่งแบบจำลองความสูงพื้นผิวพืชมีค่าสัมประสิทธ์ิการตัดสินใจ (R2) ดีที่สุด รองลงมาคือ ดัชนีพื้นที่ใบ ขนาดทรงพุ่มอ้อย และดัชนีพืชพรรณ โดยมีช่วงค่าสัมประสิทธิ์การตัดสินใจ (R2) อยู่ระหว่าง 0.9 - 0.6 และมีค่ารากที่สองของค่าความคลาดเคลื่อนกำลังสองเฉลี่ย (RMSE) อยู่ระหว่าง 2.33 – 8.83 ตันต่อไร่ เมื่อเปรียบเทียบการประมาณค่าผลผลิตจากแบบจำลองความสูงพื้นผิวพืชกับผลผลิตในพื้นที่ปลูกอ้อยพบว่ามีความแตกต่างอยู่ที่ร้อยละ 14.56 – 20.78 โดยช่วงเวลาที่เหมาะสมในการประมาณค่าผลผลิตอ้อย คือ ประมาณ 1 เดือน ก่อนการเก็บเกี่ยว ทั้งนี้การใช้ข้อมูลไบโอเมทริกซ์จาก UAV ประมาณค่าผลผลิตได้ถูกต้องมากกว่าวิธีการแบบดั้งเดิม ข้อมูลไบโอเมทริกซ์ที่สกัดได้จากการรังวัดด้วยภาพดิจิทัลสามารถบ่งชี้สัณฐานวิทยาของพืชและสรีรวิทยาที่เป็นเอกลักษณ์เฉพาะ ซึ่งสามารถนำมาสร้างแบบจำลองการเจริญเติบโตและประมาณการผลผลิตอ้อยที่มีความถูกต้องแม่นยำ และน่าเชื่อถือมากกว่าการประมวลผลดัชนีจากข้อมูลหลายช่วงคลื่น ผลการวิจัยนี้สามารถนำใช้เป็นข้อมูลเพื่อสนับสนุนการบริหารจัดการห่วงโซ่อุปทานในอุตสาหกรรมอ้อยและน้ำตาลทราย สำหรับวางแผนการผลิตได้อย่างมีประสิทธิภาพและคุ้มค่า
การติดตามการเจริญเติบโตและการประมาณการผลผลิตอ้อยอย่างแม่นยำ เป็นสิ่งสำคัญในการปรับปรุงระบบการจัดการห่วงโซ่อุปทานของการผลิตอ้อยและน้ำตาลทราย การประเมินผลผลิตตามวิธีแบบดั้งเดิมที่ใช้การสังเกต ซึ่งให้ความถูกต้องต่ำ และมีความไม่แน่นอนสูง อีกทั้งใช้เวลาและแรงงานจำนวนมาก การศึกษานี้มีวัตถุประสงค์เพื่อพัฒนาแบบจำลองการเจริญเติบโตและประมาณการผลผลิตอ้อยพันธุ์ขอนแก่น 3 โดยใช้ข้อมูลภาพถ่ายรายละเอียดสูงที่บันทึกได้จากอากาศยานไร้คนขับ (UAV) ผู้วิจัยใช้วิธีประมวลผลข้อมูลด้วยการรังวัดด้วยภาพดิจิทัลที่สามารถสกัดสารสนเทศเชิงพื้นที่เพื่อสร้างเป็นข้อมูลไบโอเมทริกซ์ที่เป็นลักษณะที่แสดงออกของอ้อย ได้แก่ ความสูง ขนาดของทรงพุ่ม ดัชนีพื้นที่ใบ และดัชนีพืชพรรณ ในระยะแตกกอ ย่างปล้อง และสะสมน้ำตาลหรือสุกแก่ แบบจำลองประมาณการผลผลิตอ้อยจากข้อมูลไบโอเมทริกซ์นี้สร้างขึ้นด้วยวิธีการวิเคราะห์การถดถอย หลังจากนั้นตรวจสอบความถูกต้องของข้อมูลไบโอเมทริกซ์และจำนวนผลผลิตจากแบบจำลอง โดยการเปรียบเทียบกับค่าไบโอเมทริกซ์จากการวัดในภาคสนามและชีวมวลสดของอ้อยในช่วงเวลาเดียวกัน ผลการศึกษาพบว่า การวิเคราะห์การถดถอยเชิงเส้นอย่างง่าย มีความแม่นยำในการประมาณค่าผลผลิตอ้อย ซึ่งแบบจำลองความสูงพื้นผิวพืชมีค่าสัมประสิทธ์ิการตัดสินใจ (R2) ดีที่สุด รองลงมาคือ ดัชนีพื้นที่ใบ ขนาดทรงพุ่มอ้อย และดัชนีพืชพรรณ โดยมีช่วงค่าสัมประสิทธิ์การตัดสินใจ (R2) อยู่ระหว่าง 0.9 - 0.6 และมีค่ารากที่สองของค่าความคลาดเคลื่อนกำลังสองเฉลี่ย (RMSE) อยู่ระหว่าง 2.33 – 8.83 ตันต่อไร่ เมื่อเปรียบเทียบการประมาณค่าผลผลิตจากแบบจำลองความสูงพื้นผิวพืชกับผลผลิตในพื้นที่ปลูกอ้อยพบว่ามีความแตกต่างอยู่ที่ร้อยละ 14.56 – 20.78 โดยช่วงเวลาที่เหมาะสมในการประมาณค่าผลผลิตอ้อย คือ ประมาณ 1 เดือน ก่อนการเก็บเกี่ยว ทั้งนี้การใช้ข้อมูลไบโอเมทริกซ์จาก UAV ประมาณค่าผลผลิตได้ถูกต้องมากกว่าวิธีการแบบดั้งเดิม ข้อมูลไบโอเมทริกซ์ที่สกัดได้จากการรังวัดด้วยภาพดิจิทัลสามารถบ่งชี้สัณฐานวิทยาของพืชและสรีรวิทยาที่เป็นเอกลักษณ์เฉพาะ ซึ่งสามารถนำมาสร้างแบบจำลองการเจริญเติบโตและประมาณการผลผลิตอ้อยที่มีความถูกต้องแม่นยำ และน่าเชื่อถือมากกว่าการประมวลผลดัชนีจากข้อมูลหลายช่วงคลื่น ผลการวิจัยนี้สามารถนำใช้เป็นข้อมูลเพื่อสนับสนุนการบริหารจัดการห่วงโซ่อุปทานในอุตสาหกรรมอ้อยและน้ำตาลทราย สำหรับวางแผนการผลิตได้อย่างมีประสิทธิภาพและคุ้มค่า
Degree Name
Master of Science
Degree Level
Master's degree
Degree Department
Faculty of Environment and Resource Studies
Degree Discipline
Technology of Environmental Management
Degree Grantor(s)
Mahidol University