“โดรน” เพื่อการจัดการฟาร์ม
ผู้เรียบเรียง
ชนารัตน์ บุณยรัตพันธุ์
นักเอกสารสนเทศปฏิบัติการ ฝ่ายบริการ
สำนักหอสมุด มหาวิทยาลัยเกษตรศาสตร์
ในปัจจุบันที่มีการนำเทคโนโลยีไปประยุกต์ใช้เพื่ออำนวยความสะดวกในด้านต่าง ๆ หรือเพื่อช่วยเพิ่มประสิทธิภาพ แก้ปัญหาให้ดีขึ้นนั้น ด้านเกษตรกรรมก็ถือได้ว่ายังคงเป็นด้านหนึ่งที่สำคัญของประเทศไทย ซึ่งจะเห็นว่าได้มีการนำเทคโนโลยีมาใช้ทางด้านเกษตรกรรมมากพอสมควรในช่วงระยะเวลาหนึ่ง โดยมีเทคโนโลยีหนึ่งที่น่าสนใจ คือ โดรน (Unmanned Aerial Vehicle: UAV) หรือ อากาศยานไร้คนขับ ซึ่งที่ผ่านมาได้มีการนำไปใช้ในหลายรูปแบบ และหนึ่งในนั้นคือการนำมาใช้ประโยชน์ทางด้านเกษตรกรรมดังที่กล่าวมา กล่าวง่าย ๆ ก็คือ เพื่อการจัดการฟาร์ม ให้มีความสะดวก รวดเร็ว ลดภาระทั้งคน และเวลา และเพื่อให้ได้ผลผลิตทันตามความต้องการ อันเป็นเป้าประสงค์หลักทางด้านเกษตรกรรมเลยก็ว่าได้ เพื่อช่วยลดการสูญเสียที่อาจเกิดขึ้นได้โดยง่ายจากปัจจัยต่าง ๆ เช่น ภัยธรรมชาติ เป็นต้น ที่ล้วนเป็นสิ่งควบคุมได้ยาก
โดรนเริ่มต้นจากการใช้เพื่อการทหาร และพัฒนาต่อมาเพื่อการขนส่งสินค้า โดย Amazon เป็นผู้ริเริ่ม จนถึงการนำมาประยุกต์ใช้ในด้านการเกษตร ศาสตราจารย์ เควิน ไฟร์ซ ผู้เชี่ยวชาญจากมหาวิทยาลัย รัฐแคนซัส ประเทศสหรัฐอเมริกา ได้คาดการณ์ว่า จะมีการใช้งานโดรนเพิ่มขึ้น โดยกว่า 80% มาจากทางด้านการเกษตร ซึ่งในต่างประเทศได้มีการนำไปใช้ก่อนหน้านั้นบ้างแล้ว และพบว่ามีประสิทธิผล คุ้มค่าเกินกว่า 90% ต่อมานักวิจัยไทยได้คิดค้นและปรับใช้ให้เหมาะสม และสามารถทำให้ราคาต่ำลงได้กว่าการนำเข้าจากต่างประเทศที่ราคาอยู่ระหว่าง 300,000 – 500,000 บาท มาเป็นเหลืออยู่ที่ประมาณ 200,000 บาท ซึ่งถือได้ว่า โดรนเพื่อการเกษตรนั้น เป็นนวัตกรรมที่ยังคงพัฒนาต่อไปได้อย่างไม่สิ้นสุด และเกิดประโยชน์ต่อเกษตรกรไทยอย่างแน่นอน ซึ่งตรงกับที่ Global Market Insights คาดการณ์ว่า จะมีการใช้โดรนเพื่อการเกษตรเพิ่มขึ้นไปจนถึงปี ค.ศ. 2024 เช่นกัน
โดรนมีอยู่ 3 รูปแบบ คือ
1) Multirotor UAVs คือ โดรนทั่วไป ที่ไม่จำเป็นต้องมีรันเวย์ในการขึ้นและลงจอด มีลักษณะบินได้กว้าง แต่ไม่สูงมากนัก
2) Fixed-wing drones (tilt-wing) คือ โดรนที่จำเป็นต้องมีรันเวย์ในการขึ้นและลงจอด มีลักษณะบินได้นานและกว้างกว่า
3) Hybrid model คือ โดรนที่ไม่จำเป็นต้องมีรันเวย์ในการขึ้นและลงจอด แต่บินได้นาน กว้างและสูงกว่า
กล่าวคือ เหมือนเป็นโดรนที่นำข้อดีของทั้ง 2 แบบแรกมารวมกัน เพื่อการใช้งานที่มีประสิทธิภาพสูงสุด และในส่วนของโดรนเพื่อการเกษตรนั้น จะแบ่งออกเป็น 2 ประเภท คือ โดรนประเภทฉีดพ่น (Spraying Drone) กับ โดรนสำรวจพื้นที่ (Data – mapping Drone) ทั้งนี้ ไม่ว่าจะนำไปใช้ในรูปแบบใดก็ตาม ข้อสำคัญที่ควรคำนึงถึงในการจะนำโดรนไปใช้เพื่อการสิ่งใดนั้น จำเป็นจะต้องศึกษาเรื่องของกฎหมายด้วยเป็นอันดับแรก กล่าวคือ หากผู้นำไปใช้งานได้ปฏิบัติถูกต้องตามกฎหมาย ไม่ละเมิดแล้วนั้น ก็ย่อมทำให้การใช้งานโดรนเกิดประโยชน์ได้สูงสุดเช่นกัน ซึ่งค่าใช้จ่ายโดยประมาณในการขึ้นทะเบียนต่อลำไม่เกิน 2,500 บาท สามารถขอใบอนุญาตบินได้ที่ สำนักงานการบินพลเรือน และขอขึ้นทะเบียนโดรนที่ สำนักงานคณะกรรมการกิจการกระจายเสียง กิจการโทรทัศน์ และกิจการโทรคมนาคมแห่งชาติ(กสทช.)
การนำโดรนไปใช้เพื่อการเกษตรที่สำคัญนั้น มีทั้ง 1) การใช้เพื่อหว่านปุ๋ยและฉีดพ่นสารเคมีกำจัดแมลง 2) การใช้เพื่อรดน้ำ และ 3) การใช้เพื่อถ่ายภาพวิเคราะห์หรือตรวจโรคพืช ซึ่งจากแต่เดิมที่ต้องใช้จำนวนคนค่อนข้างมาก ประมาณ 10-20 คน และต้องใช้ระยะเวลานาน หลายชั่วโมง ในการดำเนินการต่อ 10 หรือ 100 ไร่ อีกทั้งกรณีหากจำเป็นต้องทำเวลา เช่น รดน้ำในช่วงที่ปากใบพืชเปิด เวลา 07.00 น. หากใช้แรงงานคนก็อาจไม่ทันการ รวมถึงอาจกลายเป็นไปเหยียบย่ำพื้นที่ปลูกพืชบางส่วนไปด้วย ซึ่งหากนำโดรนมาใช้ ก็จะช่วยลดภาระต่าง ๆ เหล่านี้ กล่าวคือ ลดแรงงานคนเหลือเพียง 1-2 คน เพื่อเป็นผู้ควบคุม และจากระยะเวลาหลายชั่วโมง เหลือเพียงประมาณ 10 นาทีต่อ 100 กว่าไร่ ช่วยให้การปลูกพืช เก็บเกี่ยวผลผลิตได้ทันการ มีประสิทธิภาพ และพื้นที่เพาะปลูกไม่เกิดความเสียหาย เพราะโดรนบินในพื้นที่กว้างและสูงได้ แต่ผลเสียที่ต้องแลกก็คือ ค่าใช้จ่ายที่สูงกว่า ค่าอุปกรณ์ที่เกี่ยวข้อง เช่น แบตเตอรี่ ความเสี่ยงในการเกิดอุบัติเหตุหรือต้องซ่อมแซม เสียเวลาเล็กน้อยกับการต้องหมั่นเติมน้ำยาหรือน้ำ เนื่องจากโดรนบรรจุไปได้ไม่มาก แต่หากเทียบกันแล้วก็อาจคุ้มทุนมากกว่าที่หากท้ายสุดผลผลิตจะเสียหายมากกว่า
นอกจากนี้ โดรนยังมีประโยชน์ในการช่วยสำรวจและรวบรวมข้อมูลทางอากาศ เพื่อเป็นข้อมูลให้เกษตรกรนำมาวิเคราะห์ได้อย่างแม่นยำ โดยส่วนใหญ่โดรนการเกษตร มักจะมาพร้อมกับซอฟท์แวร์แผนที่ ทำให้มี GPS กำหนดทิศทาง และเข้าถึงได้ทุกพื้นที่แบบ Real-time โดยที่เกษตรกรแทบไม่ต้องเข้าไปสำรวจพื้นที่นั้น ๆ เลย อีกทั้ง ยังช่วยมอนิเตอร์สุขภาพของพืชผลทางการเกษตร โดยแสงอินฟราเรดจะช่วยแยกแยะสีของใบพืชได้มากกว่าที่ตามนุษย์เห็น จึงคำนวณค่าต่าง ๆ ออกมาได้ เพื่อให้เกษตรกรได้ทราบและวิเคราะห์การเกิดโรค หรือสภาวะของพืชในขณะนั้น ๆ อันจะเป็นประโยชน์ในการจัดหาปุ๋ยที่เหมาะสมต่อไป และโดรนบางชนิดก็ยังช่วยตรวจสอบและประเมินทั้งน้ำ การระบายน้ำ อุณหภูมิหน้าดิน เพิ่มเติมได้อีกด้วย
ในการเลือกใช้โดรน จำเป็นจะต้องเลือกให้ตรงกับวัตถุประสงค์ การใช้โดรนถ่ายภาพกับการใช้เพื่อเกษตรกรรมนั้นต่างกัน เนื่องจากโดรนแต่ละประเภทก็จะมีการพัฒนาฮาร์ดแวร์และซอฟท์แวร์ในทิศทางที่เหมาะสมกับแต่ละวัตถุประสงค์อยู่แล้ว เช่น หากเป็นการใช้งานเพื่อด้านเกษตรกรรม ก็จะต้องรับน้ำหนักและมีแบตเตอรี่ที่จุได้มากกว่า เพื่อการใช้งานในระยะเวลาที่ยาวนาน ทนทาน แต่หากเป็นการใช้เพื่อถ่ายภาพ ก็อาจต้องการโดรนในลักษณะที่มีน้ำหนักเบา คล่องตัว เป็นต้น
ตัวอย่างบริษัท StartUp ในประเทศญี่ปุ่น ชื่อ Skyrobot ที่ได้มีการคิดค้นพัฒนาโดรนให้ช่วยในการขับไล่สัตว์ที่เข้ามาในพื้นที่เกษตรกรรม โดยไม่ทำอันตรายเช่นวิธีแบบเดิมที่ใช้เครื่องดักจับสัตว์ทำให้บาดเจ็บได้นั้น เป็นไปในลักษณะของการใช้คลื่นความถี่ของเสียงที่มนุษย์ไม่ได้ยิน ได้แก่ คลื่นอัลตราโซนิค (Ultrasonic waves) ปล่อยผ่านลำโพงที่ติดตั้งมากับโดรน แต่สัตว์ที่เข้ามาในบริเวณจะได้ยิน และหลีกห่างออกไปเอง ซึ่งกรณีนี้ในญี่ปุ่นส่วนใหญ่ที่พบจะเป็น ลิงกับหมูป่า โดยเป็นการขับไล่สัตว์ให้ออกไปแบบที่ไม่มีใครต้องได้รับบาดเจ็บ
ส่วนในประเทศไทยนั้น ทรู ดิจิทัล ได้เปิดตัว “True Farm” ขึ้น เพื่อเป็นการให้บริการเทคโนโลยีทางการเกษตรแบบครบวงจร โดยใน 5 กลุ่มธุรกิจทางการเกษตรนั้น 1 ในนั้นคือ True Farm Drone และ True Farm Grow ซึ่งเป็นบริการที่ช่วยแบ่งเบาภาระสำหรับเกษตรกรที่ไม่มีต้นทุนมากนัก เช่น การให้บริการยืมโดรนที่เหมาะสมกับพื้นที่และการใช้งาน ได้แก่ โดรนสำหรับฉีดพ่นปุ๋ยหรือยา โดยมีผู้เชี่ยวชาญคอยให้คำแนะนำ และมีค่าใช้จ่ายแบบรายเดือน ซึ่งวิธีการนี้อาจช่วยเกษตรกรหน้าใหม่ ให้ได้ทดสอบเองก่อน กรณีที่ยังไม่มีต้นทุนมากนัก เป็นการประหยัดค่าใช้จ่ายหากต้องซื้อหาหรือเสียค่าอื่นใดเพิ่มเติมเอง เช่น ค่าขึ้นทะเบียน เป็นต้น เนื่องจากบริษัทก็จะจัดการไว้ให้เบ็ดเสร็จแล้ว
แหล่งข้อมูลอ้างอิง
ธงชัย ชลศิริพงษ์. (2560). Skyrobot สตาร์ทอัพโดรนจากญี่ปุ่น คิดค้นระบบดูแลฟาร์มแบบไม่ทำร้ายสัตว์ ใช้ AI ช่วย. สืบค้นจาก https://brandinside.asia/drone-ai-farm-japan/
ธนาคารกรุงเทพ. (2563). ‘โดรน’ เทคโนโลยีทางเลือกภาคเกษตร ตอบโจทย์การทำงานฟาร์ม. สืบค้นจาก https://www.bangkokbanksme.com/en/drone-technology-for-agriculture
สำนักงานส่งเสริมเศรษฐกิจดิจิทัล (depa). (ม.ป.ป.). โดรนกับเกษตรไทย (Tech Series: Drone for Smart Farming). สืบค้นจาก https://www.depa.or.th/th/article-view/tech-series-drone-smart-farming
nineFangKhaoW (นามแฝง). (2565). ทรู ดิจิทัล เปิดตัว “TRUE FARM” เทคโนโลยีการเกษตรอัจฉริยะครบวงจร ครบเครื่อง ทุกเรื่องเกษตรทั้ง พืช ปศุสัตว์ และประมง. สืบค้นจากhttps://www.mxphone.com/true-farm-by-true-digital/
TeeDD. (ม.ป.ป.). โดรนเพื่อการเกษตร ข้อดีและข้อเสีย Agritech Drone. สืบค้นจาก https://www.teedd360.com/agritech-drone/
ThaiWare/Admin Talil (นามแฝง). (2565). โดรนการเกษตร คืออะไร ? มีหน้าที่อะไร ? และต่างจากโดรนถ่ายวิดีโอทั่วไปอย่างไร . สืบค้นจาก https://tips.thaiware.com/1901.html
แหล่งข้อมูลที่เกี่ยวข้อง
Fertu, C., Dobrota, L. M., Balasan, D. L. & Stanciu, S. (2021). Monitoring The Vegetation of Agricultural Crops
Using Drones and Remote Sensing – Comparative Presentation. Scientific Papers: Management,
Economic Engineering in Agriculture & Rural Development, 21(2): 249-254. Retrieved from
Kim, S. K., Ahmad, H., Moon, J. W. & Jung, S. Y. (2021). Nozzle with a Feedback Channel for Agricultural
Drones. Applied Sciences, 11(2138): 2138. Retrieved from
https://www.mdpi.com/2076-3417/11/5/2138
Moses-Gonzales, N. & Brewer, M. J. (2021). A Special Collection: Drones to Improve Insect Pest Management.
Journal of Economic Entomology, 114(5): 1853–1856. Retrieved from
https://academic.oup.com/jee/article/114/5/1853/6306526?login=true
Sheets, K. D. (2018). The Japanese Impact on Global Drone Policy and Law: Why a Laggard United States and
Other Nations Should Look to Japan in the Context of Drone Usage. Indiana Journal of Global Legal
Studies, 25(1): 513-537. Retrieved from https://cutt.ly/WCbVFAm
Son, H.-S., Kim, D.-K., Yang, S.-H. & Choi, Y.-K. (2022). Real-Time Power Line Detection for Safe Flight of
Agricultural Spraying Drones Using Embedded Systems and Deep Learning. IEEE Access, 10(2022):
54947 – 54956. Retrieved from https://ieeexplore-ieee-org.portal.lib.ku.ac.th/document/9780149
