systematic review ตามแนวทาง PRISMA รวบรวม 83 งานวิจัยช่วงปี 2015-2025 เกี่ยวกับการจำแนกพันธุ์พืชจากภาพ พบว่าโมเดล deep learning โดยเฉพาะ convolutional neural network ถูกใช้มากที่สุดและมักรายงานความแม่นยำสูง ขณะที่การผสานคุณลักษณะสร้างมือกับ optimization ยังช่วยเพิ่มความทนทานได้
ข้อค้นพบสำคัญ
- CNN และสายพันธุ์ของโมเดลเป็นแนวทางหลักและมีความแม่นยำเหนือวิธีเดิมในหลายงาน การผสาน machine learning แบบดั้งเดิม optimization และ handcrafted features อาจเพิ่ม robustness ฐานข้อมูลสาธารณะกับภาพสมาร์ตโฟนครองแหล่งข้อมูล และพันธุ์ธัญพืชได้รับความสนใจมากที่สุด
ทำไมจึงมีความสำคัญระดับโลก
การจำแนกพันธุ์ที่แม่นยำอาจช่วยรับรองเมล็ดพันธุ์ อนุรักษ์ความหลากหลาย ติดตามแปลง และสนับสนุนเกษตรกรผ่านโทรศัพท์มือถือ การทบทวนนี้ช่วยให้ผู้พัฒนาเห็นช่องว่างด้านฐานข้อมูลเปิด มาตรฐาน benchmark และการตรวจสอบข้ามภูมิภาค
บทบาทของนักวิจัยไทย
ทีมนักวิจัยจากสถาบันเทคโนโลยีแห่งเอเชียมีบทบาทหลักในการทบทวนภูมิทัศน์งานทั่วโลก เชื่อมวิศวกรรมระบบเกษตร AI และนโยบายความหลากหลายทางชีวภาพจากฐานวิจัยในประเทศไทย
ข้อจำกัดที่ควรรู้
บทคัดย่อไม่ให้รายละเอียดฐานข้อมูลค้นหา เกณฑ์คัดออก การประเมิน risk of bias หรือความสามารถเปรียบเทียบ metric ระหว่างงาน คะแนน accuracy อาจสูงจากชุดข้อมูลเล็ก ควบคุมฉากหลัง หรือแบ่งภาพไม่เป็นอิสระ และ publication bias อาจทำให้ผลสำเร็จถูกนำเสนอมากกว่าความล้มเหลว