You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
31 lines
7.3 KiB
31 lines
7.3 KiB
# ការផលិត និងការបំលែង - ការប្រើប្រាស់ IoT ដើម្បីធ្វើឱ្យការបំលែងអាហារល្អប្រសើរឡើង
|
|
|
|
ពេលអាហារឈានដល់មនុស្សម្នាក់ មជ្ឈមណ្ឌលកណ្តាល ឬរោងចក្របំលែង មិនមែនតែងតែផ្ញើទំនិញទៅម្ហូបហាងទេ។ ពេលច្រើន អាហារត្រូវបានបំលែងតាមជំហានជាច្រើន ដូចជា ការចែកជាតាមគុណភាព។ នេះគឺជាដំណើរការដែលធ្លាប់ធ្វើដោយដៃ - វាចាប់ផ្តើមនៅក្នុងចំការពេលអ្នកយកផលល្មមទើបយកផ្លែឈើដែលបានពេញវ័យ ហើយនៅរោងចក្រ ផ្លែឈើនឹងត្រូវដឹកជញ្ជូនលើខ្សែដាក់ និងបុគ្គលិកនឹងដកចេញផ្លែឈើដែលខូច ឬស្ទះផ្លូវដោយដៃ។ ខ្ញុំបានយកបួសនិងចែងផ្លែស្ត្របែរីដោយខ្លួនឯងនៅក្នុងការងារពេលរដូវក្ដៅកន្លងមកក្នុងអំឡុងពេលនៅសាលា ខ្ញុំអាចបញ្ជាក់ថា នេះមិនមែនជាការងារល្អទេ។
|
|
|
|
ការតំរូវការគ្រឿងកាន់កាប់របស់សម័យទំនើបជាងនេះទៀតពឹងផ្អែកលើ IoT សម្រាប់ការចែកជាតាមគុណភាព។ ឧបករណ៍ដំបូងៗដូចជា ម៉ាស៊ីនចែកពី [Weco](https://wecotek.com) ប្រើសង្ខេបអំពើការសំអាតភ្នែកដើម្បីរកគុណភាពផលិតផល ដូចជាការបដិសេធបួសបន្លែបៃតងជាដើម។ ឧបករណ៍ទាំងនេះអាចដំឡើងនៅលើម៉ាស៊ីនវឹកវរនៅចំការផ្ទាល់ ឬនៅរោងចក្របំលែង។
|
|
|
|
នៅពេលមានកំណែប្រែជាដំណើរការស្វ័យប្រវត្តិ (AI) និងការរៀនម៉ាស៊ីន (ML) ខ្នាតបង្ហាញកាន់តែមានភាពជំនាន់ខ្ពស់ ការរចនាម៉ាស៊ីនទាំងនេះអាចកាន់តែប្រសើរឡើង ដោយប្រើគំរូ ML ដែលបានហ្វឹកហាត់ឱ្យបម្រាស់រវាងផ្លែឈើ និងវត្ថុបរបាញ់ដូចជា ក้อนដី មេជម្ងឺ ឬសត្វល្អិត។ គំរូទាំងនេះក៏អាចហ្វឹកហាត់ដើម្បីកំណត់គុណភាពផ្លែឈើ មិនត្រឹមតែរបួសផ្លែអាចមែនទេ តែចាប់ផ្តើមគិតដល់ការរកឃើញជំងឺឬបញ្ហាផ្សេងៗនៅលើបរិមាណផលិតផងដែរ។
|
|
|
|
> 🎓 ពាក្យ *គំរូ ML* មានន័យដល់លទ្ធផលនៃការហ្វឹកហាត់កម្មវិធីរៀនម៉ាស៊ីននៅលើឈុតទិន្នន័យមួយ។ ឧទាហរណ៍ អ្នកអាចហ្វឹកហាត់គំរូ ML ដើម្បីបម្រាស់រវាងបន្លែប៉េងប៉ោះរួចស្រេចនិងមិនរួចស្រេច ក្រោយមកប្រើគំរូដើម្បីពិនិត្យរូបភាពថ្មីមើលថាផ្លែប៉េងប៉ោះនោះបានរួចស្រេចរឺមិនបាន។
|
|
|
|
នៅក្នុងមេរៀនទាំង ៤ នេះ អ្នកនឹងរៀនរបៀបហ្វឹកហាត់គំរូ AI ដោយប្រើរូបភាពដើម្បីរកគុណភាពផ្លែឈើ របៀបប្រើប្រាស់វាពីឧបករណ៍ IoT និងរបៀបដំណើរការនៅលើឧបករណ៍មួយដែលនៅជិតអ្នក (គឺនៅលើឧបករណ៍ IoT មួយជំនួសមិនមែនលើពពក)។
|
|
|
|
> 💁 មេរៀនទាំងនេះនឹងប្រើវត្ថុធាតុពពកខ្លះៗ។ ប្រសិនបើអ្នកមិនបានបញ្ចប់មេរៀនទាំងអស់ក្នុងគម្រោងនេះ សូមប្រាកដថាអ្នកបាន [សម្អាតគម្រោងរបស់អ្នក](../clean-up.md)។
|
|
|
|
## ប្រធានបទ
|
|
|
|
1. [ហ្វឹកហាត់ឧបករណ៍ស្វ័យរកគុណភាពផ្លែឈើ](./lessons/1-train-fruit-detector/README.md)
|
|
1. [ពិនិត្យគុណភាពផ្លែឈើពីឧបករណ៍ IoT](./lessons/2-check-fruit-from-device/README.md)
|
|
1. [ដំណើរការឧបករណ៍ស្វ័យរកផ្លែឈើនៅកម្រិតជនដែន](./lessons/3-run-fruit-detector-edge/README.md)
|
|
1. [ចាប់ផ្តើមការស្វ័យរកគុណភាពផ្លែឈើពីឧបករណ៍យកសញ្ញា](./lessons/4-trigger-fruit-detector/README.md)
|
|
|
|
## ការយាងឲ្យ
|
|
|
|
មេរៀនទាំងអស់បានសរសេរដោយ ♥️ ដោយ [Jen Fox](https://github.com/jenfoxbot) និង [Jim Bennett](https://GitHub.com/JimBobBennett)
|
|
|
|
---
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
**ការរួមបញ្ចូល**៖
|
|
ឯកសារនេះត្រូវបានបកប្រែដោយប្រើសេវាបកប្រែ AI [Co-op Translator](https://github.com/Azure/co-op-translator)។ ខណៈពេលយើងខិតខំព្យាយាមអោយបានត្រឹមត្រូវ សូមប្រាកដថាបកប្រែដោយស្វ័យបកប្រែអាចមានកំហុសឬការមិនត្រឹមត្រូវខ្លះៗ។ ឯកសារដើមនៅក្នុងភាសាបុរណារបស់វាគួរត្រូវបានយកជាផ្ទៃត្រកូលទិន្នន័យផ្លូវការសំខាន់។ សម្រាប់ព័ត៌មានមួយចំនួនមានសារៈសំខាន់ ការបកប្រែដោយមនុស្សអ្នកជំនាញគឺត្រូវបានផ្តល់អនុសាសន៍។ យើងមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬការបកប្រែខុសពីការប្រើប្រាស់បកប្រែនេះឡើយ។
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |