เครื่องตัดหัวมันสำปะหลังออกจากเหง้า

บทคัดย่อ

ในปัจจุบัน เครื่องเก็บเกี่ยวมันสำปะหลังแบบเบ็ดเสร็จเป็นอุปกรณ์ที่ยังไม่มีการผลิตขึ้นมาใช้งาน แต่เป็นอุปกรณ์ที่มีความต้องการสูง โดยขั้นตอนการสับเหง้า (ตัดหัวมันสำปะหลังออกจากเหง้า) เป็นขั้นตอนที่เป็นอุปสรรคในการพัฒนาเครื่องดังกล่าว ซึ่งความซับซ้อนของลักษณะทางกายภาพ และสรีระ ของต้นมันสำปะหลัง เป็นสาเหตุที่ทำให้ไม่สามารถใช้กลไกทางกลอย่างง่าย ในการสับเหง้าเพื่อให้ได้สมรรถนะในการทำงานที่สูง โดยวิธีการที่ใช้ในการสับเหง้า เพื่อให้เกิดสมรรถนะในการทำงานที่สูงนั้น คือการใช้เลื่อยทรงกระบอกและจัดให้แนวแกนของเลื่อยทรงกระบอกและแนวแกนของลำต้นมันสำปะหลังอยู่ในแนวเดียวกัน ซึ่งหุ่นยนต์และคอมพิวเตอร์วิชั่นเป็นเครื่องมือที่มีศักยภาพสูง ที่จะทำให้เกิดสมรรถนะและความสามารถในการทำงานตามที่ต้องการ ดังนั้นงานวิจัยนี้จึงเสนอวิธีการแบบใหม่ คือการใช้งานคอมพิวเตอร์วิชั่นในการหาแนวแกนของลำต้นมันสำปะหลัง และส่งข้อมูลมายังหุ่นยนต์ (แขนกล) เพื่อให้หุ่นยนต์ปรับแนวแกนของเลื่อยทรงกระบอกให้อยู่ในแนวเดียวกันกับแนวแกนของลำต้นมันปะหลังได้อย่างแม่นยำ แพลตฟอร์มของคอมพิวเตอร์วิชั่นที่มีชื่อว่า Mask R-CNN (Resnet 50 และ 101) และ YOLO ถูกนำมาใช้ในการตรวจหาแนวแกนลำต้นมันสำปะหลัง และเปรียบเทียบสมรรถนะเพื่อให้ได้โมเดลที่เหมาะสมที่สุด โดย Mask R-CNN (Resnet 101) มีสมรรถนะในการระบุตำแหน่ง (Localization) สูงกว่าโมเดลอื่นอย่างมีนัยสำคัญทางสถิติ โดย ค่า Accuracy F1score และ IoU มีค่า 1.00 0.81 และ 0.70 ตามลำดับ และถึงแม้ว่าสมรรถนะในการทำนาย (Prediction performance) ของโมเดลนี้ มีค่าต่ำกว่าโมเดล YOLO และอยู่ในระดับเดียวกับ Mask R-CNN (Resnet50) แต่โมเดล YOLO นั้น สามารถตรวจหาได้เพียงแค่พิกัดของจุดกึ่งกลางของแนวแกนลำต้นมันสำปะหลัง แต่ไม่สามารถหามุมเอียงของแนวแกนของลำต้นมันสำปะหลังได้ ดังนั้น Mask R-CNN (Resnet101) จึงเป็นโมเดลของระบบคอมพิวเตอร์วิชั่นที่เหมาะสมที่สุดสำหรับการหาตำแหน่งและแนวแกนลำต้นมันสำปะหลัง หุ่นยนต์สับเหง้าถูกประกอบขึ้นจาก ชุดเคลื่อนที่ซึ่งออกแบบให้เป็นรูปแบบของหุ่นยนต์ที่ชื่อว่า สจ๊วตแพลตฟอร์ม (Stewart platform) และชุดตัดทำงานโดยใช้หลักการเลื่อยทรงกระบอกที่ถูกขับด้วยมอเตอร์ โดยลักษณะจำเพาะของส่วนประกอบ เช่น ขนาด ความสามารถในการรับภาระ และความเร็ว ถูกกำหนดโดยการคำนวณจากของมูลที่ได้จากการสำรวจลักษณะทางกายภาพของต้นมันสำปะหลัง ซึ่งสมรรถนะในการทำงานได้ถูกประเมินจากสามขั้นตอน ได้แก่ ขั้นตอนที่หนึ่งคือการประเมินสมรรถนะในการเคลื่อนที่ และผลการทดสอบแสดงให้เห็นว่าหุ่นยนต์นี้มีค่า ความแม่นยำ (accuracy) ความสามารถในการทำซ้ำ (repeatability) และพื้นที่การทำงาน (workspace) อยู่ในเกณฑ์ที่ยอมรับได้ ขั้นตอนที่สองคือการหาค่าความเร็วในการเคลื่อนที่ และความเร็วรอบของเลื่อยทรงกระบอกที่เหมาะสมในการใช้งานมากที่สุด และส่วนที่สามคือหุ่นยนต์ได้ถูกรวมเข้ากับการใช้งานคอมพิวเตอร์วิชั่น และประเมินสมรรถนะ โดยได้ค่า อัตราการสับสำเร็จ (success rate) 100% ค่าเฉลี่ยหัวมันสำปะหลังติดปนมากับเหง้า (loss) และค่าเฉลี่ยเหง้าติดปนไปกับหัวมันสำปะหลัง (trash) เท่ากับ 1.44 และ 0.66% ตามลำดับ และเวลาของวัฏจักรการทำงาน (cycle time) มีค่า 32.43 วินาที ความสำเร็จในการใช้งานร่วมกันของคอมพิวเตอร์วิชั่นและหุ่นยนต์นี้ ไม่เพียงแต่แสดงให้เห็นว่าหุ่นยนต์นี้สามารถสับเหง้าได้อย่างแม่นยำในขณะที่แนวแกนของลำต้นมันสำปะหลังเกิดการเอียงที่หลากหลาย แต่ยังทำให้เห็นถึงการลดลงอย่างเห็นได้ชัดของ ค่าเฉลี่ยหัวมันสำปะหลังติดปนมากับเหง้า (loss) และค่าเฉลี่ยเหง้าติดปนไปกับหัวมันสำปะหลัง (trash) และข้อค้นพบของงานวิจัยนี้เป็นการปูแนวทางในการพัฒนากระบวนการเก็บเกี่ยวมันสำปะหลังทั้งหมด

คำสำคัญ