Authors

Abstract

Water quality is a critical factor in shrimp farming, directly influencing the growth, reproduction, and survival of shrimp. pH is one of the key parameters that affect water quality, with deviations from the optimal range (5.5–8.5) leading to stress, weakened immune responses, and potential infections in shrimp. This research presents the development of an automated pH monitoring and forecasting system aimed at improving water quality management in shrimp farms. The system uses a moving average algorithm to predict future pH levels based on real-time data collected by a pH sensor. The predicted and real-time values are transmitted to a cloud database, and farmers receive alerts via the Line application if pH levels deviate from the acceptable range. The system's performance was evaluated through six experiments, using different data collection intervals and durations. The most accurate forecasting results were achieved with 10-minute data collection intervals over a 2-hour period, yielding a mean squared error (MSE) of 0.003050 and a root mean square error (RMSE) of 0.038628. The system also demonstrated its ability to send real-time alerts to the farmer, ensuring prompt corrective action in the event of critical pH values.

Abstract in Thai

คุณภาพน้ำเป็นปัจจัยสำคัญในอุตสาหกรรมการเลี้ยงกุ้ง ซึ่งส่งผลโดยตรงต่อการเจริญเติบโต การสืบพันธุ์ และอัตราการรอดชีวิตของกุ้ง โดยค่า pH เป็นหนึ่งในตัวแปรสำคัญที่มีผลต่อคุณภาพน้ำ หากค่า pH เบี่ยงเบนจากช่วงที่เหมาะสม (5.5–8.5) จะทำให้กุ้งเกิดความเครียด ภูมิคุ้มกันอ่อนแอลง และเสี่ยงต่อการติดเชื้อ งานวิจัยนี้นำเสนอการพัฒนาระบบตรวจสอบและพยากรณ์ค่าความเป็นกรด-ด่าง (pH) แบบอัตโนมัติที่มีวัตถุประสงค์เพื่อปรับปรุงการจัดการคุณภาพน้ำในฟาร์มกุ้ง ระบบนี้ใช้เทคนิคการพยากรณ์แบบค่าเฉลี่ยเคลื่อนที่ (Moving Average Algorithm) เพื่อทำนายค่าความเป็นกรด-ด่างในอนาคต โดยอิงจากข้อมูลแบบเรียลไทม์ที่เก็บรวบรวมจากเซ็นเซอร์ตรวจวัดค่า pH ข้อมูลค่าที่ทำนายและค่าที่วัดได้ในปัจจุบันจะถูกส่งไปยังฐานข้อมูลบนคลาวด์ และเกษตรกรจะได้รับการแจ้งเตือนผ่านแอปพลิเคชัน Line หากค่าความเป็นกรด-ด่างเบี่ยงเบนออกจากช่วงที่เหมาะสม ประสิทธิภาพของระบบได้รับการประเมินผ่านการทดลอง 6 ครั้ง โดยใช้ช่วงเวลาและระยะเวลาการเก็บข้อมูลที่แตกต่างกัน ผลการพยากรณ์ที่แม่นยำที่สุดได้รับจากการเก็บข้อมูลทุก ๆ 10 นาทีเป็นระยะเวลา 2 ชั่วโมง ซึ่งให้ค่า MSE (Mean Squared Error) เท่ากับ 0.003050 และค่า RMSE (Root Mean Square Error) เท่ากับ 0.038628 นอกจากนี้ ระบบยังแสดงความสามารถในการส่งการแจ้งเตือนแบบเรียลไทม์ไปยังเกษตรกร ทำให้สามารถดำเนินการแก้ไขได้อย่างทันท่วงทีเมื่อเกิดค่าความเป็นกรด-ด่างที่ผิดปกติ