การจำแนกคุณภาพเมล็ดแมคคาเดเมียโดยใช้เทคนิคการเรียนรู้ของเครื่องและคุณลักษณะทางกายภาพ

แมคคาเดเมียเป็นพืชเศรษฐกิจที่มีราคาสูง ได้รับความนิยมจากเกษตรกรทั่วโลกรวมทั้งประเทศไทย มีการเพาะปลูกอย่างแพร่หลายในพื้นที่ภาคเหนือและภาคตะวันออกเฉียงเหนือ เช่น เลย เชียงใหม่ เชียงราย เพชรบูรณ์ ชัยภูมิ ผลผลิตแมคคาเดเมียสามารถจำหน่ายได้ทั้งในรูปแบบเมล็ดอบแห้งและแปรรูปเป็นผลิตภัณฑ์อาหารต่างๆ กระบวนการแปรรูปในปัจจุบันหลังจากปอกเปลือกเขียวแล้ว จะมีการลอยน้ำเพื่อคัดแยกคุณภาพเมล็ด โดยเมล็ดที่มีคุณภาพดีจะจมน้ำ ในขณะที่เมล็ดที่มีตำหนิหรือไม่สมบูรณ์จะลอยน้ำ แม้ว่าวิธีนี้จะช่วยแยกเมล็ดคุณภาพต่ำออกไปได้ แต่ก็ทำให้เมล็ดแมคคาเดเมียมีความชื้นสะสมเพิ่มขึ้น ซึ่งอาจส่งผลต่อคุณภาพและอายุการเก็บรักษาของผลผลิตงานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาระบบการจำแนกคุณภาพเมล็ดแมคคาเดเมียโดยใช้เทคนิคการเรียนรู้ของเครื่องร่วมกับคุณลักษณะทางกายภาพ โดยเก็บข้อมูล ความถ่วงจำเพาะ น้ำหนัก ขนาด และสีของกะลา จากตัวอย่างเมล็ดแมคคาเดเมียจำนวน 1,260 เมล็ด จากนั้นจะทำการสกัดคุณลักษณะของสีจากภาพ และใช้เทคนิคการเลือกคุณลักษณะเพื่อคัดเลือกตัวแปรสำคัญ ข้อมูลที่ได้จะถูกนำมาฝึกสอนแบบจำลองการเรียนรู้ของเครื่องด้วยโมเดลต่างๆ เช่น Logistic Regression, Decision Tree, Random Forest, Support Vector Machine และ K-Nearest Neighbor ทดลองโดยมี Input Feature แตกต่างกัน คือ Physical Feature อย่างเดียว, Color Feature อย่างเดียว และ Physical Feature ร่วมกับ Color Feature ประสิทธิภาพของแบบจำลองจะถูกประเมินและเปรียบเทียบเพื่อหาวิธีที่เหมาะสมที่สุด ผลการศึกษาพบว่าการใช้คุณลักษณะทางกายภาพ โดยแบบจำลอง Random Forest ให้ผลลัพธ์ที่ดีที่สุดด้วยความถูกต้อง 93.65%งานวิจัยนี้แสดงให้เห็นแนวทางในการพัฒนาระบบคัดแยกคุณภาพเมล็ดแมคคาเดเมีย ซึ่งจะช่วยลดการพึ่งพาวิธีการลอยน้ำแบบดั้งเดิมที่ก่อให้เกิดปัญหาความชื้นสะสมในเมล็ด อีกทั้งยังเพิ่มประสิทธิภาพการผลิตและส่งเสริมคุณภาพของผลผลิตแมคคาเดเมียให้ดียิ่งขึ้น ซึ่งจะเป็นประโยชน์ต่อเกษตรกรและอุตสาหกรรมแมคคาเดเมีย