งานวิจัยที่น่าจับตา AI คัดแยก "กุ้งเปลือกนิ่ม–กุ้งเปลือกแข็ง"

งานวิจัยนี้น่าสนใจมากสำหรับวงการกุ้ง เพราะเป็นการนำ AI มาคัดแยก “กุ้งเปลือกนิ่ม–กุ้งเปลือกแข็ง” จากภาพ และผลทดสอบทำความแม่นยำได้ประมาณ 87%

ชื่องานวิจัย Deep Learning-Based Image Recognition for Soft-Shell Shrimp Classification

แปลไทยได้ว่า “การใช้ Deep Learning และระบบจดจำภาพ เพื่อจำแนกกุ้งเปลือกนิ่ม”

ผู้วิจัย ได้แก่ Yun Hao Zhang I-Hsien Ting Dario Liberona Yun-Hsiu Liu และ Kazunori Minetaki จากสถาบันในไต้หวัน ฟินแลนด์ และญี่ปุ่น

งานวิจัยนี้ทำอะไร?

โจทย์สำคัญคือ หลังจับ กุ้งขาว (white shrimp) ขึ้นจากบ่อ จะมีกุ้งบางส่วนอยู่ในช่วงหลังลอกคราบ ทำให้เปลือกยังนิ่ม ปัจจุบันการคัดแยกส่วนใหญ่ต้องอาศัยคนตรวจ โดยดูและสัมผัสตัวกุ้ง แต่ปัญหาคือ มาตรฐานของแต่ละคนไม่เหมือนกัน โดยเฉพาะกุ้งที่อยู่ในช่วงก้ำกึ่งระหว่างเปลือกนิ่มกับเปลือกแข็ง จึงเกิดความคลาดเคลื่อนในการคัดเกรดได้

นักวิจัยจึงตั้งคำถามว่า

“เราสามารถให้ AI ดูภาพกุ้ง แล้วบอกได้หรือไม่ว่าตัวไหนเปลือกนิ่ม ตัวไหนเปลือกแข็ง?” คำตอบจากการทดลองคือ ทำได้ และมีความแม่นยำสูงสุดประมาณ 87%

ทำไม “กุ้งเปลือกนิ่ม” จึงเป็นปัญหา?

งานวิจัยอธิบายว่า กุ้งเปลือกนิ่มสร้างปัญหาโดยเฉพาะกับอุตสาหกรรมแปรรูปและแช่แข็ง เพราะเมื่อแช่แข็งอาจเกิด รอยบุบหรือเสียรูป ทำให้รูปลักษณ์สินค้าไม่น่าดึงดูด

เมื่อนำไปปรุงสุก เปลือกที่ยังไม่แข็งแรงอาจปกป้องเนื้อกุ้งได้ไม่ดี ทำให้เกิดปัญหา เช่น หัวหลุดจากลำตัว หรือเปลือกติดเนื้อและแกะยาก ซึ่งกระทบต่อภาพลักษณ์และการยอมรับของผู้บริโภค

ลักษณะที่ใช้สังเกตกุ้งเปลือกนิ่ม ได้แก่ เปลือกแนบกับเนื้อ มีรอยย่นหรือรอยบุบ และเมื่อกดบริเวณเปลือกส่วนหัวจะยุบตัวได้ง่าย แต่ปัญหาคือกุ้งบางตัวที่ผ่านการลอกคราบมาระยะหนึ่ง รูปร่างภายนอกอาจดูเกือบเหมือนกุ้งเปลือกแข็งแล้ว ทำให้คนคัดแยกด้วยสายตาได้ยาก

เขาสอน AI อย่างไร?

นักวิจัยนำ กุ้งขาวที่ยังมีชีวิต มาให้ผู้เชี่ยวชาญคัดก่อนว่าเป็นกุ้งเปลือกนิ่มหรือเปลือกแข็ง จากนั้นใช้เครื่องสแกน ApeosPort C3070 ที่ความละเอียด 600 dpi บันทึกภาพรายละเอียดของตัวกุ้ง ภาพถูกนำมาตัดให้เหลือ กุ้งหนึ่งตัวต่อภาพ และลบพื้นหลังออก เพื่อไม่ให้น้ำ คราบ หรือกุ้งตัวอื่นรบกวนการเรียนรู้ของ AI จากนั้นแบ่งข้อมูลประมาณ 80% สำหรับฝึกโมเดล และ 20% สำหรับตรวจสอบผล หัวใจของระบบคือ Convolutional Neural Network หรือ CNN ซึ่งเป็น Deep Learning ที่เหมาะกับการเรียนรู้ลักษณะจากภาพ เช่น รูปร่าง เส้น สี และพื้นผิว แล้วนำคุณลักษณะเหล่านั้นมาจำแนกประเภท

ผลการทดลองที่สำคัญ

ชุดข้อมูลที่ให้ผลดีที่สุดประกอบด้วย กุ้งปกติ/เปลือกแข็ง 398 ภาพ กุ้งเปลือกนิ่ม 84 ภาพ ฝึกโมเดลจำนวน 30 epochs ใช้เวลาประมาณ 7–8 นาที และได้ความแม่นยำในการตรวจสอบประมาณ 86.67% หรือปัดเป็นประมาณ 87% สูงกว่าเป้าหมายที่นักวิจัยตั้งไว้ที่ 85% เนื่องจากตัวอย่างกุ้งเปลือกนิ่มมีจำนวนจำกัด นักวิจัยจึงใช้เทคนิค Data Augmentation เช่น การพลิกภาพในแนวนอน เพื่อเพิ่มข้อมูลสำหรับการฝึกโมเดล

สิ่งที่น่าสนใจสำหรับอุตสาหกรรมกุ้ง

งานนี้ไม่ได้หมายความว่า “AI พร้อมแทนคนคัดกุ้งในโรงงานแล้วทันที” เพราะการทดลองยังมีข้อจำกัด โดยเฉพาะจำนวนข้อมูลกุ้งเปลือกนิ่มที่ค่อนข้างน้อยและสัดส่วนข้อมูลสองกลุ่มไม่สมดุล แต่ผลการทดลองแสดงให้เห็นว่า AI มีศักยภาพที่จะช่วยทำมาตรฐานการคัดกุ้งให้สม่ำเสมอขึ้น ลดความแตกต่างจากการตัดสินของคนแต่ละคน และอาจช่วยลดเวลาตั้งแต่จับกุ้งจนถึงการส่งมอบ ซึ่งมีผลต่อความสดของสินค้า

นักวิจัยเสนอว่า ในอนาคตควรเพิ่มฐานข้อมูลให้มากขึ้น ปรับสมดุลจำนวนภาพกุ้งเปลือกแข็งกับเปลือกนิ่ม เพิ่มความละเอียดในการเก็บภาพ และอาจใช้โมเดลหลายชนิดร่วมกัน เช่น CNN SVM เพื่อเพิ่มความแม่นยำ

น้องกุ้งไทย สรุปแบบคนเลี้ยงกุ้ง

งานวิจัยนี้พูดง่าย ๆ คือ “จากเดิมที่ต้องเอามือกดหัวกุ้งเพื่อดูว่าเปลือกนิ่มหรือไม่ ต่อไป AI อาจดูจากภาพแล้วคัดให้ได้” ถ้าพัฒนาต่อจนใช้งานในสายพานจริงได้ เทคโนโลยีลักษณะนี้มีโอกาสนำไปสู่ ระบบคัดกุ้งอัตโนมัติหลังจับจากบ่อ เพื่อแยกกุ้งเปลือกนิ่มออกก่อนเข้าสู่กระบวนการแช่แข็งหรือแปรรูป ลดปัญหาหัวหลุด ตัวบุบ และคุณภาพสินค้าไม่สม่ำเสมอ ตัวเลขสำคัญที่ควรจำคือ “AI แยกกุ้งเปลือกนิ่มได้แม่นยำประมาณ 87%” จากชุดข้อมูลทดลอง 482 ภาพ แต่ยังควรมองว่าเป็นผลระดับงานวิจัย ไม่ใช่ประสิทธิภาพที่ยืนยันแล้วในโรงงานเชิงพาณิชย์ขนาดใหญ่ต่อไป