Page 57 - วารสารการเกษตรราชภัฏ ปีที่ 22 ฉบับที่ 1 มกราคม - มิถุนายน 2566

52
53
52 53

พื้นตัว ขนปีก ขนหางพัด หางกระลวย สีด าสนิทไม่มีสีขาว ในปัจจุบันเทคโนโลยีทางด้านปัญญาประดิษฐ์
หรือสีอื่น ๆ แซม ขนสร้อยคอ สร้อยปีก สร้อยหลัง ระย้า (Artificial Intelligence: AI) ก าลังมีบทบาทอย่างมากใน
และขนปิดหูสีประดู่สีเดียวกันทั้งตัวไม่มีขนสีอื่น ๆ แซม งานทางด้านการเกษตร เพราะมีสมองกลที่ชาญฉลาด
เช่นกัน ตาสีไพลหรือแดง ปาก เกล็ด แข้ง เล็บ เดือย สี สามารถจดจ า จ าแนก และประมวลผลข้อมูล (ภาพ เสียง
น้ าตาลแก่ หนังสีแดงถือว่าเป็นเอกเหนือประดู่อย่างอื่น ข้อความ) ได้อย่างมีประสิทธิภาพ โดยสมองกลเป็นการ
ทั้งสิ้น 2) ประดู่แสมด า ลักษณะมีขนพื้นตัว ขนปีก ขนหาง เรียนรู้ของเครื่อง (Machine Learning: ML) ที่มีการเรียน
พัด หางกระลวย สีด าสนิทไม่มีขนสีขาวหรือสีอื่นๆ แซม รู้จากข้อมูล แล้วน าความรู้นั้นมาใช้ในการวิเคราะห์
ขนสร้อยคอ สร้อยปีก สร้อยหลัง ระย้า ขนปิดหูสีประดู่ด า คาดการณ์ หรือขับเคลื่อนสิ่งต่าง ๆ ให้กับปัญญาประดิษฐ์
ตาสีด า ปาก เกล็ด แข้ง เดือย เล็บ สีด าสนิท หนังสีด าคล้ า การเรียนรู้ของเครื่องสามารถน าไปใช้งานได้หลายรูปแบบ
ๆ มองดูคล้ายไก่ด าของจีน สีทะมึนไม่สดใส เป็นรองประดู่ โดยอาศัยโปรแกรมที่เรียกว่าอัลกอริทึม (algorithm) และ
มะขามคั่ว และ 3) ประดู่แข้งเขียวตาลายหรือประดู่เมือง อัลกอริทึมที่ก าลังได้รับความนิยมคือ การเรียนรู้เชิงลึก
สิงห์ มีลักษณะขนพื้นตัว ขนปีก ขนหางพัด หางกระลวยสี (Deep Learning: DL) ซึ่งมีวิธีการเรียนรู้ด้วยเทคนิคการ
ด าสนิท ไม่มีสีขาวหรือสีอื่น ๆ แซม ขนสร้อยคอ สร้อยปีก ท างานที่เป็นลักษณะเครือข่ายประสาทเทียม (Artificial
สร้อยหลัง ระย้า ขนหูสีประดู่แบบมะขามคั่ว ตาสีแดงหรือ Neuron Network: ANN) ที่มีความลึกหลายชั้น (Deep ภาพที่ 1 ขั้นตอนการท างานของโครงข่ายประสาทเทียมแบบคอนโวลูชัน
สีไพลมีเส้นตาสีด า หรือลายด า ปาก เกล็ด แข้ง เล็บ เดือย Neural Network: DNN) คล้ายโครงข่ายประสาทในสมอง
สีออกเขียวคล้ าแบบสีหยก หนังสีเขียวคล้ายสีแข้ง มองดู ของมนุษย์ และในปี ค.ศ. 1998 LeCun et al. ได้น าเสนอ ส าหรับการวิจัยที่เกี่ยวข้องกับการน าเทคนิคการ ภาพไก่พื้นเมืองระหว่างพันธุ์แท้และลูกผสม โดยเริ่ม
คล้ าๆ ไม่สดใส สันนิษฐานว่าน่าจะกลายพันธุ์มาจากการ โครงข่ายประสาทเทียมที่มีลักษณะการท างานแบบคอน เรียนรู้เชิงลึกด้วยโครงข่ายประสาทเทียมแบบคอนโวลูชัน จากพันธุ์ที่นิยมเลี้ยงกันมากที่สุดในประเทศไทย นั้นคือ
ผสมข้ามพันธุ์ระหว่างประดู่มะขามไหม้กับประดู่แสมด าจึง โวลูชัน (convolutional networks) โดยการเพิ่มจ านวน มาใช้ทางด้านการผลิตสัตว์ มีดังนี้ Hansen et al. (2018) พันธุ์ประดู่หางด า โดยวัตถุประสงค์ของการทดลองนี้
มีลักษณะของทั้ง 2 พันธุ์อยู่ ประดู่แข้งเขียวตาลายจึงเป็น ชั้นซ่อน (hidden layer) เพื่อช่วยให้การค านวณหา ใช้โครงข่ายประสาทเทียมแบบคอนโวลูชันในการจดจ า คือการพัฒนาสถาปัตยกรรมที่เหมาะสมส าหรับการ
รองประดู่แสมด า นอกเหนือจาก 3 สายพันธุ์นี้ถือว่าเป็น ลักษณะเด่นของรูปภาพมีประสิทธิภาพมากขึ้น และเรียก ใบหน้าสุกร Yao et al. (2020) ใช้โครงข่ายประสาทเทียม จ าแนกภาพไก่พื้นเมืองไทย เพื่อเพิ่มประสิทธิภาพใน
ประดู่ธรรมดา กลายพันธุ์มาจากการผสมระหว่าง 3 สาย เทคนิคนี้ว่า โครงข่ายประสาทเทียมแบบคอนโวลูชัน แบบคอนโวลูชันในการจ าแนกเพศของไก่ไข่ Wang et al. การตรวจสอบพันธุ์ไก่พื้นเมือง ส าหรับการน าไปใช้
พันธุ์นี้จะกลายเป็นไก่กลายพันธุ์ เลือดไม่บริสุทธิ์ เช่น (Convolutional Neural Network: CNN) หลักการท า (2020) ใช้โครงสร้างสถาปัตยกรรม LeNet-5 ในการจดจ า ประโยชน์ในการอนุรักษ์ไก่พื้นเมืองไทยพันธุ์แท้ ด้วย
ประดู่แข้งเขียวเดือยด า แข้งน้ าตาลเดือยด า แข้งขาวเดือย งานเป็นกระบวนการสกัดลักษณะเด่น (Feature Extrac- ใบหน้าสุกร Khan et al. (2020) ใช้โครงข่ายประสาท การทดสอบสถาปัตยกรรม LeNet-5, AlexNet และ
ด า แข้งเขียวตาลาย แข้งเขียวตาเหลือง เป็นต้น tion) โดยการแยกเอาคุณลักษณะเด่นของวัตถุที่อยู่ใน เทียมแบบคอนโวลูชันเชิงลึกด้วยฟังก์ชันกระตุ้นเรคติไฟด์ สถาปัตยกรรมที่พัฒนามาขึ้นมาอีก 2 แบบ คือ CNN1
ปัจจุบันนี้การพัฒนาสายพันธุ์ไก่พื้นเมือง เพื่อ ภาพออกมาก่อน เช่น เส้นขอบ เส้นโค้ง และเส้นเอียง ลินเนียนยูนิตในการจ าแนกใบหน้าสัตว์ Singh et al. และ CNN2 ข้อมูลที่ได้จากการทดลองจะน าไปต่อยอด
เป็นไก่ชนที่ดีตามอุดมคติของนักชนไก่ คือ เชิงไทย ไวพม่า จากนั้นเป็นการน าเข้า (Input) ข้อมูลเหล่านั้นไป (2020) ใช้โครงข่ายประสาทเทียมแบบคอนโวลูชันในการ ในการศึกษาการจ าแนกไก่พื้นเมืองพันธุ์อื่น ๆ แล้ว
หนังหนาแบบเวียดนาม นั้นท าให้กลุ่มผู้เลี้ยงไก่พื้นเมืองไว้ ประมวลผลในเครือข่ายเส้นประสาท (Neural Network) จ าแนกภาพนกที่อยู่ตามธรรมชาติ Raj et al. (2020) ใช้ น าไปพัฒนาเครื่องมือในการจ าแนกไก่พื้นเมืองไทย
เพื่อจุดประสงค์ในเกมส์กีฬาจะมีการน าไก่พื้นเมืองของ เพื่อหาความน่าจะเป็นแล้วจ าแนก (Classification) ว่า การดัดแปลงสถาปัตยกรรม VGGNet ในการจ าแนกพันธุ์ ต่อไปในอนาคต
ต่างประเทศเข้ามาผสมกับไก่พื้นเมืองไทยท าให้เกิดไก่ ผลลัพธ์หรือข้อมูลที่ส่งออก (Output) นั้นคืออะไร (กอบ นก (ตารางที่ 1) จะเห็นได้ว่าเทคนิคนี้ยังคงมีการวิจัยและ
พื้นเมืองลูกผสมขึ้นเป็นจ านวนมากสร้างความหลากหลาย เกียรติ, 2565) ด้วยเหตุนี้จึงมีการน าเทคนิคการเรียนรู้เชิง พัฒนาอย่างต่อเนื่องเพื่อให้ได้เทคนิคที่มีประสิทธิภาพมาก วิธีการวิจัย
ทางพันธุกรรมมากขึ้นตามไปด้วย หากไม่มีการอนุรักษ์ ลึกด้วยโครงข่ายประสาทเทียมแบบคอนโวลูชันมาใช้ ที่สุดในการน าไปประยุกต์ใช้ให้เกิดประโยชน์และ
เอาไว้ต่อไปในอนาคตไก่พื้นเมืองไทยพันธุ์แท้อาจหมดไป ประโยชน์ในการจ าแนกพืช สัตว์ ผลิตภัณฑ์จากสัตว์ หรือ เหมาะสมกับสัตว์แต่ละชนิด การวิจัยนี้เป็นการน าเสนอการจ าแนกพันธุ์ไก่
และเพื่อเป็นการอนุรักษ์ไก่พื้นเมืองไทยให้คงอยู่ต่อไป แม้แต่การวินิจฉัยโรคทั้งในพืชและสัตว์ ส าหรับโครงสร้าง จากการค้นคว้าเอกสารที่เกี่ยวข้องกับการน า พื้นเมืองพันธุ์ประดู่หางด าโดยการใช้เทคนิคการเรียนรู้เชิง
หน่วยงานภาครัฐและเอกชนหลายแห่งจึงได้มีการจัดการ การท างานของโครงข่ายประสาทเทียมแบบคอนโวลูชัน เทคนิคโครงข่ายประสาทเทียมแบบคอนโวลูชันมาใช้ใน ลึกด้วยโครงข่ายประสาทเทียมแบบคอนโวลูชัน เพื่อหา
ประกวดไก่พื้นเมืองโดยมีการตัดสินตามลักษณะอุดม แบ่งออกเป็นชั้น (layer) ประกอบด้วย ชั้นน าเข้า ชั้นซ่อน การจ าแนกภาพเพื่อระบุชนิดของไก่มีน้อยมากโดยเฉพาะ สถาปัตยกรรมที่เหมาะสมส าหรับการจ าแนกข้อมูลภาพไก่
ทัศนีย์ไก่พื้นเมืองไทย เพื่อให้คนไทยได้ตระหนักและเห็น และชั้นน าออก โดยจ านวนหมวด (node) ของชั้นน าออก ในไก่พื้นเมืองไทยยังไม่พบข้อมูลเลย ดังนั้นผู้วิจัยจึงมี พื้นเมือง มีการด าเนินงาน ดังนี้
ความส าคัญของการอนุรักษ์ไก่พื้นเมืองสายพันธุ์ไทยในคง ขึ้นอยู่กับจ านวนหมวดหมู่ (class) ของชุดข้อมูลภาพ แนวคิดในการน าเอาเทคนิคนี้มาใช้ในการจ าแนกข้อมูล
อยู่จนชั่วลูกชั่วหลาน แต่การจะสามารถจ าแนกไก่พื้นเมือง (ภาพที่ 1) หากค่าความน่าจะเป็น (probability) มีค่าสูง
พันธุ์แท้ได้อย่างถูกต้องก็ไม่ใช่เรื่องง่ายต้องอาศัยความ สุดอยู่ที่หมวดใดถือว่านั้นเท่ากับค าตอบที่ได้จากการ
ช านาญและประสบการณ์เป็นอย่างมาก ถึงกระนั้นก็ยังมี ท านายผล (prediction)
โอกาสผิดพลาดได้ (สุชาติ และคณะ, 2560)

วารสารการเกษตรราชภัฏ ปีที่ 22 ฉบับที่ 1 มกราคม-มิถุนายน 2566 วารสารการเกษตรราชภัฏ ปีที่ 22 ฉบับที่ 1 มกราคม-มิถุนายน 2566
วารสารการเกษตรราชภัฏ ปีที่ 22 ฉบับที่ 1 มกราคม-มิถุนายน 2566
วารสารการเกษตรราชภัฏ ปีที่ 22 ฉบับที่ 1 มกราคม-มิถุนายน 2566