Page Header Logo

The Journal of King Mongkut's University of Technology North Bangkok
วารสารวิชาการพระจอมเกล้าพระนครเหนือ

Home > Vol 36, No 2 (2026) > Chaijuckam

การประยุกต์ใช้ปัญญาประดิษฐ์ในการจัดการโรคพืชยุคใหม่: โอกาสที่มาพร้อมข้อควรระวัง
The Application of Artificial Intelligence (AI) in Modern Plant Disease Management: Opportunities with Cautionary Considerations

Patcharavipa Chaijuckam, Sompob Saralamba, Malinee Sriariyanun

Abstract


โรคพืชเป็นปัญหาสำคัญต่อการเกษตรทั่วโลก ส่งผลกระทบต่อผลผลิตพืชและสร้างความเสียหายทางเศรษฐกิจ ซึ่งทำให้ปัญญาประดิษฐ์ Artincial Intelligence (Al) โดยเฉพาะ Machine Leaming (ML) และ Deep Leaming (DL) 1A กลายเป็นเครื่องมือที่มีประสิทธิภาพสำหรับการตรวจหาโรคพืชในช่วงเริ่มต้น การวินิจฉัยโรค การพยากรณ์โรค และการจัดการโรคที่เกิดขึ้น [1], [2]โดย AI สามารถวิเคราะห์ภาพถ่ายข้อมูลสภาพแวดล้อม และทำนายการระบาดของโรคพืชได้ซึ่งเทคโนโลยีนี้ช่วยเสริมสร้างความยั่งยืนในด้านเกษตรรมและเพิ่มประสิทธิภาพในการป้องกันโรคตั้งแต่เริ่มต้นก่อนที่จะแพร่กระจาย และช่วยลดความเสียหายของผลผลิต [2]

[1] S. Theinnoi, N. Amdee, A. Sangsongfar, and P. Meesad, “An analysis of pineapple leaf wilt by image processing and convolutional neural network,” The Journal of KMUTNB, vol. 34, no. 3, pp. 1–11, 2024.

[2] K. Pandey, S. Mishra, V. L. S. Sree, R. Kushwaha, R. Pathak, and S. Yadav, “Disease prediction models in plant pathology: Leveraging ai and machine learning for early intervention,” International Journal of Advanced BiochemistryResearch, vol. 8, no. 12, pp. 362–368, 2024.

[3] M. Shoaib, B. Shah, S. EI-Sappagh, A. Ali, A. Ullah, F. Alenezi, T. Gechev, T. Hussain, and F. Ali, “An advanced deep learning modelsbased plant disease detection: A review of recent research,” Frontiers in Plant Science, vol. 14, pp. 1–22, 2023.

[4] I. Pacal, I. Kunduracioglu, M. H. Alma, M. Deveci, Muhammet, S. Kadry, J. Nedoma, V. Slany, and R. Martinek, “A systematic review of deep learning techniques for plant diseases,” Artificial Intelligence Review, vol. 57, no. 304, pp. 1–39, 2024.

[5] Plantix. (2015, Jun.). Plantix - your crop doctor. PEAT GmbH, Germany. [Online]. Available: https://play.google.com/store/apps/details?id =com.peat.GartenBank&hl=en

[6] ICAR-IASRI. (2021, Nov.). AI-DISC. Indian Agricultural Statistics Research Institute, India. [Online]. Available: https://play.google.com/ store/apps/details?id=com.ai.ai_disc&hl=en

[7] PlantVillage. (2018, Jun.). PlantVillage. Pennsylvania State University, PA. [Online]. Available: https://play.google.com/store/apps/ details?id=plantvillage.nuru&hl=en

[8] Thai PBS. (2025, Feb.). Boosting yields by 40 times with AI plant disease detection in Kenya. Thai PBS, Thailand. [Online] (in Thai). Available: https://www.youtube.com/shorts/ QneL7nf9WvI

[9] NSTDA. AI for Agriculture, Exhibition. Presented at 20th NSTDA Annual Conference. [Online] (in Thai). Available: https://www.nstda.or.th/ nac/2025/exhibitions/ai07/

[10] Department of Agriculture. (2025, Feb.). Transforming Thai agriculture through the Department of Agriculture’s AI chatbot. Department of Agriculture, Thailand. [Online] (in Thai). Available: https://www.doa.go.th/th/ news_release/90287/

[11] G. N. Agrios, Plant Pathology, 5th ed. San Diego, CA: Elsevier Academic Press, 2005.

[12] Saillog Ltd. (2017, Jun.). Agrio - Plant diagnosis app. Saillog Ltd, Israel. [Online]. Available: https://play. google.com/store/apps/details?id=com.agrio

[13] Agritech. (2021, Dec.). New year blessings from the Department of Agricultural Extension in 2022. Department of Agricultural Extension, Thailand. [Online] (in Thai). Available: https:// agritech.doae.go.th/?p=514

[14] P. Goyal, D. K. Verma, and S. Kumar, “Detection and monitoring for enhanced prevention of grain plant disease using classification-based deep ensemble neural networks in smart agriculture,” International Journal of Remote Sensing, vol. 46 no. 5, pp. 1992–2022, 2025.

[15] K. P. Ferentinos, “Deep learning models for plant disease detection and diagnosis,” Computers and Electronics in Agriculture, vol. 145, pp. 311–318, 2018.

[16] P. Wisutmetheekorn, N. Sudsawat, and N. Ruksawong, “Digital weighing scale with fruit and vegetable identification using deep learning technique,” The Journal of KMUTNB, vol. 33 no. 2, pp. 468–479, 2023.

[17] S. Thewsuwan and P. Buppan, “Machine Learning-based system for automatic morphological identification of Acanthamoeba spp. in microscopic images,” The Journal of KMUTNB, vol. 33 no. 4, pp. 1–11, 2023.

Full Text: PDF

DOI: 10.14416/j.kmutnb.2025.09.004

ISSN: 2985-2145