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.
38 lines
6.8 KiB
38 lines
6.8 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "3764e089adf2d5801272bc0895f8498b",
|
|
"translation_date": "2025-08-27T19:56:40+00:00",
|
|
"source_file": "4-manufacturing/README.md",
|
|
"language_code": "th"
|
|
}
|
|
-->
|
|
# การผลิตและการแปรรูป - ใช้ IoT เพื่อปรับปรุงการแปรรูปอาหาร
|
|
|
|
เมื่ออาหารมาถึงศูนย์กลางหรือโรงงานแปรรูป อาหารไม่ได้ถูกส่งออกไปยังซูเปอร์มาร์เก็ตเสมอไป หลายครั้งอาหารจะผ่านกระบวนการแปรรูปหลายขั้นตอน เช่น การคัดแยกตามคุณภาพ ซึ่งเป็นกระบวนการที่เคยทำด้วยมือ เริ่มตั้งแต่ในไร่ที่คนเก็บผลไม้จะเลือกเฉพาะผลไม้ที่สุกเท่านั้น จากนั้นในโรงงานผลไม้จะถูกลำเลียงผ่านสายพาน และพนักงานจะคัดแยกผลไม้ที่ช้ำหรือเน่าเสียด้วยมือเอง ฉันเคยมีประสบการณ์เก็บและคัดแยกสตรอเบอร์รี่เป็นงานช่วงฤดูร้อนตอนเรียน และบอกได้เลยว่างานนี้ไม่สนุกเลย
|
|
|
|
ระบบที่ทันสมัยมากขึ้นใช้ IoT ในการคัดแยกผลไม้ อุปกรณ์รุ่นแรก ๆ เช่น เครื่องคัดแยกจาก [Weco](https://wecotek.com) ใช้เซ็นเซอร์แสงในการตรวจสอบคุณภาพของผลผลิต เช่น การคัดแยกมะเขือเทศที่ยังไม่สุก อุปกรณ์เหล่านี้สามารถนำไปใช้ในเครื่องเก็บเกี่ยวในไร่ หรือในโรงงานแปรรูปได้
|
|
|
|
เมื่อมีความก้าวหน้าในด้านปัญญาประดิษฐ์ (AI) และการเรียนรู้ของเครื่อง (ML) เครื่องจักรเหล่านี้สามารถพัฒนาให้มีความสามารถมากขึ้น โดยใช้โมเดล ML ที่ถูกฝึกให้แยกแยะระหว่างผลไม้กับวัตถุแปลกปลอม เช่น หิน ดิน หรือแมลง โมเดลเหล่านี้ยังสามารถถูกฝึกให้ตรวจสอบคุณภาพของผลไม้ ไม่เพียงแค่ผลไม้ที่ช้ำ แต่ยังรวมถึงการตรวจพบโรคหรือปัญหาอื่น ๆ ของพืชในระยะเริ่มต้น
|
|
|
|
> 🎓 คำว่า *โมเดล ML* หมายถึงผลลัพธ์จากการฝึกซอฟต์แวร์การเรียนรู้ของเครื่องด้วยชุดข้อมูล ตัวอย่างเช่น คุณสามารถฝึกโมเดล ML ให้แยกแยะระหว่างมะเขือเทศสุกและไม่สุก จากนั้นใช้โมเดลกับภาพใหม่เพื่อดูว่ามะเขือเทศสุกหรือไม่
|
|
|
|
ในบทเรียน 4 บทนี้ คุณจะได้เรียนรู้วิธีฝึกโมเดล AI ที่ใช้ภาพในการตรวจสอบคุณภาพของผลไม้ วิธีใช้โมเดลเหล่านี้จากอุปกรณ์ IoT และวิธีการรันโมเดลเหล่านี้ที่อุปกรณ์ปลายทาง - นั่นคือบนอุปกรณ์ IoT แทนที่จะรันในคลาวด์
|
|
|
|
> 💁 บทเรียนเหล่านี้จะใช้ทรัพยากรคลาวด์บางส่วน หากคุณไม่ได้ทำบทเรียนทั้งหมดในโปรเจกต์นี้ อย่าลืม [ทำความสะอาดโปรเจกต์ของคุณ](../clean-up.md)
|
|
|
|
## หัวข้อ
|
|
|
|
1. [ฝึกตัวตรวจสอบคุณภาพผลไม้](./lessons/1-train-fruit-detector/README.md)
|
|
1. [ตรวจสอบคุณภาพผลไม้จากอุปกรณ์ IoT](./lessons/2-check-fruit-from-device/README.md)
|
|
1. [รันตัวตรวจสอบผลไม้ที่อุปกรณ์ปลายทาง](./lessons/3-run-fruit-detector-edge/README.md)
|
|
1. [กระตุ้นการตรวจสอบคุณภาพผลไม้จากเซ็นเซอร์](./lessons/4-trigger-fruit-detector/README.md)
|
|
|
|
## เครดิต
|
|
|
|
บทเรียนทั้งหมดเขียนด้วย ♥️ โดย [Jen Fox](https://github.com/jenfoxbot) และ [Jim Bennett](https://GitHub.com/JimBobBennett)
|
|
|
|
---
|
|
|
|
**ข้อจำกัดความรับผิดชอบ**:
|
|
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI [Co-op Translator](https://github.com/Azure/co-op-translator) แม้ว่าเราจะพยายามให้การแปลมีความถูกต้องมากที่สุด แต่โปรดทราบว่าการแปลโดยอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาดั้งเดิมควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลภาษามืออาชีพ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดที่เกิดจากการใช้การแปลนี้ |