พืชผลก็ควรปลูกอย่างชาญฉลาดด้วย AI ใช่ไหม แชร์ข้อมูลการพัฒนาระบบคาดการณ์สำหรับภาคเกษตร

ได้เปิดเผย Farm Life แพลตฟอร์มเกษตร AI แบบ all-in-one สำหรับเกษตรกรเกาหลีใต้บน Hugging Face (https://huggingface.co/spaces/VIDraft/farmlife)

Farm Life แก้โจทย์สำคัญ 3 ประการในภาคการเกษตรภายในแพลตฟอร์มเดียว ได้แก่ การตัดสินใจเพาะปลูก การตัดสินใจช่วงเวลานำผลผลิตออกสู่ตลาด และการรับมือโรคและแมลงศัตรูพืชตั้งแต่เนิ่น ๆ — ทั้งสามส่วนนี้ถูกพัฒนาเป็น AI engine ที่แยกอิสระจากกัน และรวมไว้ในอินเทอร์เฟซเดียว

อย่างแรกคือที่ปรึกษาผู้เชี่ยวชาญด้านพืชผลด้วย AI แชตบอตเฉพาะทางด้านเกษตรที่ใช้ GPT สามารถตอบได้ทันทีด้วยภาษาธรรมชาติเกี่ยวกับวิธีเพาะปลูกของพืชแต่ละชนิด กลยุทธ์การกระจายสินค้า ไปจนถึงการจัดการการเก็บรักษา เช่น "ปีนี้ควรปลูกกล้วยไหม" ตั้งแต่การเลือกชนิดพืชไปจนถึงการดูแลหลังการเก็บเกี่ยว ก็ให้คำแนะนำแบบปรับให้เหมาะกับชนิดพืช พื้นที่ และช่วงเวลาได้แบบครบจบในที่เดียว

อย่างที่สองคือเอนจินคาดการณ์ราคาขายส่ง โดยนำบิ๊กดาต้าราคาขายส่งตลอด 40 ปีที่สะสมมาตั้งแต่ปี 1996 มาใช้กับโมเดลอนุกรมเวลา 14 ชนิด เช่น SARIMAX, Holt-Winters, Prophet แบบขนานกัน ใช้อุณหภูมิและปริมาณฝนจากกรมอุตุนิยมวิทยา รวมถึงอัตราแลกเปลี่ยน USD/KRW เป็นตัวแปรภายนอก เพื่อปรับแก้แม้แต่สินค้าที่มีความผันผวนสูง และได้ทำ backtest ด้วยข้อมูลจริงของปี 2025 เสร็จแล้ว "แครอตเดือนหน้าจะขึ้นถึง 90% เลยเหรอ?" — ระบบจะแสดงทั้งความแม่นยำและระดับคะแนนของแต่ละโมเดลควบคู่กันไป ทำให้ตรวจสอบเหตุผลของการคาดการณ์ได้โดยตรง

อย่างที่สามคือการวินิจฉัยโรคและแมลงศัตรูพืชได้ทันที เพียงอัปโหลดภาพพืชผลหนึ่งภาพ ระบบจะตรวจจำแนกโรคและแมลงศัตรูพืชทันทีโดยอิงจากฐานข้อมูลมาตรฐานแห่งชาติ NCPMS พร้อมแนะนำสารกำจัดศัตรูพืชที่ขึ้นทะเบียน วิธีป้องกันกำจัดแบบเป็นมิตรต่อสิ่งแวดล้อม และมาตรการป้องกันการแพร่กระจายเป็นลำดับขั้น "พริกของฉันต้องแข็งแรงสิ~" — ถ่ายภาพปุ๊บก็รับผลวินิจฉัยและคู่มือรับมือได้ทันที
เทคโนโลยีที่ใช้คือเว็บแอปพลิเคชันบนพื้นฐาน Streamlit ซึ่งทำงานบน Hugging Face Spaces และเชื่อมต่อ statsmodels, scikit-learn, KAMIS API, API ของกรมอุตุนิยมวิทยา ในสภาพแวดล้อม Python 3.13 ผลลัพธ์การคาดการณ์เป็นข้อมูลอ้างอิง และจะมีการปรับปรุงโมเดลอย่างต่อเนื่องต่อไป