Smart Farm จาก Sensor สู่ Dashboard พร้อมต่อยอดด้วย Raspberry Pi
Smart Farm ไม่จำเป็นต้องเริ่มต้นด้วยระบบ Automation ที่สั่งงานทุกอย่างแทนคนทันที จุดเริ่มต้นที่สำคัญกว่าคือการรู้ก่อนว่า “ตอนนี้พื้นที่ปลูกกำลังเกิดอะไรขึ้น” ผ่านการวัดข้อมูลจาก Sensor แล้วนำข้อมูลนั้นกลับมาให้คนอ่านและวิเคราะห์ได้ง่าย
Project Smart Farm ชุดนี้แสดงองค์ประกอบจริงตั้งแต่พื้นที่ปลูก Sensor ที่ติดตั้งภาคสนาม ตู้ Controller อุปกรณ์ Network ไปจนถึง Dashboard ที่แสดงค่าอุณหภูมิและความชื้นจากหลายจุดในพื้นที่
ส่วน Raspberry Pi ในบทความนี้จะถูกนำเสนอในฐานะ แนวทางสำหรับต่อยอดเป็น Central Node หรือ Server ภายในระบบ ไม่ใช่การยืนยันว่า Raspberry Pi เป็น Controller ที่ติดตั้งอยู่ในชุด Hardware ตามภาพ
- มีพื้นที่ปลูกผักจริง
- มี Sensor ติดตั้งอยู่ในพื้นที่ปลูก
- มีการตรวจวัด Temperature และ Humidity
- Dashboard แยกข้อมูลพื้นที่ด้านหน้าและด้านหลัง
- มีตู้ Controller ภาคสนาม
- มีอุปกรณ์ Network อยู่ในระบบ
- มี Dashboard สำหรับดูข้อมูลแบบ Realtime
- มีระบบน้ำและอุปกรณ์ประกอบพื้นที่ปลูก
- ยังไม่ยืนยันรุ่น Sensor, Controller Board หรือ Communication Protocol
- ยังไม่ยืนยันว่า Raspberry Pi เป็น Hardware ที่ติดตั้งอยู่ในระบบปัจจุบัน
Smart Farm ชุดนี้กำลังทำอะไร?
ถ้ามองจากระบบที่มีอยู่ เป้าหมายที่เห็นได้ชัดที่สุดคือ Environmental Monitoring หรือการตรวจวัดสภาพแวดล้อมภายในพื้นที่ปลูก
Dashboard มีข้อมูลอย่างน้อยสองประเภทคือ Temperature และ Humidity และมีการแยกตำแหน่งที่แสดงเป็น “ด้านหน้า” และ “ด้านหลัง”
แนวคิดนี้สำคัญเพราะ Smart Farm ไม่ได้มีประโยชน์เฉพาะตอนที่ระบบสามารถสั่ง Pump หรืออุปกรณ์อื่นโดยอัตโนมัติ การรู้ว่าสภาพแวดล้อมแต่ละจุดแตกต่างกันอย่างไร ก็เป็นข้อมูลที่ช่วยให้ผู้ดูแลพื้นที่มองเห็นสถานการณ์ได้มากกว่าการเดินตรวจเพียงอย่างเดียว
Sensor หน้างานทำหน้าที่อะไร?
Sensor คือจุดที่เชื่อมโลกจริงเข้ากับข้อมูลดิจิทัล เพราะระบบจะไม่รู้ว่าอากาศภายในพื้นที่ปลูกเป็นอย่างไร หากไม่มีอุปกรณ์คอยอ่านค่าจาก Environment
จาก Dashboard ที่มี สามารถยืนยันได้ว่า Project นี้มีข้อมูล Temperature และ Humidity แต่ภาพและข้อมูลที่ให้มายังไม่ระบุรุ่น Sensor Accuracy, Measurement Range, Sampling Interval หรือวิธี Calibration
ไม่ควรระบุชื่อ Sensor รุ่นใดรุ่นหนึ่ง หรือสร้างค่า Accuracy, Voltage, Protocol และ Pinout ขึ้นมาเอง จนกว่าจะมี Datasheet หรือ Bill of Materials ของระบบจริง
จาก Sensor เข้าสู่ Controller
หลังจาก Sensor อ่านข้อมูลแล้ว ระบบจำเป็นต้องมีอุปกรณ์ที่รับข้อมูลเหล่านั้นไปประมวลผลเบื้องต้น หรือเตรียมส่งต่อไปยังระบบส่วนกลาง
ภาพตู้ Controller แสดงให้เห็นบอร์ด Electronics, Module และ Wiring ภายใน Enclosure จริง แต่จากภาพเพียงอย่างเดียว ยังไม่ควรระบุว่า Board หลักเป็น Raspberry Pi, ESP32 หรือ Microcontroller รุ่นใดรุ่นหนึ่ง
ทำไมระบบต้องมี Network?
เมื่อข้อมูลไม่ได้ถูกดูเฉพาะที่ตัว Sensor Network จะกลายเป็นส่วนสำคัญของ Architecture เพราะข้อมูลต้องถูกส่งจากพื้นที่ปลูก ไปยังระบบที่ใช้จัดเก็บ ประมวลผล หรือแสดงผล
ภาพหน้างานยืนยันว่ามีอุปกรณ์ Network อยู่ร่วมกับ Controller แต่ Source ยังไม่ได้ระบุว่าใช้ Protocol ใด เช่น MQTT, HTTP, Modbus หรือ Protocol อื่น
ดังนั้นสิ่งที่ยืนยันได้ในตอนนี้คือ ระบบมี Network Layer แต่รายละเอียดเส้นทางข้อมูลและ Communication Protocol ยังต้องรอข้อมูลทางเทคนิคเพิ่มเติม
Raspberry Pi สามารถอยู่ตรงไหนในระบบ?
จากภาพที่มีอยู่ในปัจจุบัน ยังไม่มีหลักฐานเพียงพอที่จะยืนยันว่า Raspberry Pi ถูกติดตั้งอยู่ในระบบจริง
แต่หากต้องการต่อยอด Architecture Raspberry Pi สามารถถูกวางเป็น Central Node ภายใน Network สำหรับรับข้อมูลจาก Field Controller และรัน Service ที่เกี่ยวข้องกับการจัดเก็บข้อมูล หรือ Web Dashboard ได้
Raspberry Pi OS รองรับการตั้งค่า Network และ Official Documentation ของ Raspberry Pi กล่าวถึงการใช้งาน Service บนเครือข่าย เช่น Web Server และ SSH จึงสามารถนำแนวคิดนี้มาประยุกต์เป็นระบบกลางของ Smart Farm ได้
Reference Architecture สำหรับต่อยอด
Diagram ด้านล่างเป็นแนวทางออกแบบ ไม่ใช่การยืนยัน Architecture จริงของระบบในภาพ
Humidity Sensor
Controller
Network
Central Node
Dashboard
Source ยังไม่ได้ระบุจำนวน Sensor, ปริมาณข้อมูล, Database, Dashboard Software, Network Load หรือ Service ที่ต้องรัน จึงยังไม่มีข้อมูลเพียงพอสำหรับฟันธงว่า Raspberry Pi รุ่นใดเหมาะที่สุด
Dashboard ทำให้ข้อมูล Sensor อ่านง่ายขึ้นอย่างไร?
เมื่อข้อมูลจาก Sensor มาถึง Dashboard สิ่งที่เคยเป็นค่าจากอุปกรณ์แต่ละจุด จะถูกจัดให้อยู่ในรูปแบบที่ผู้ใช้งานมองเห็นสถานะรวมได้ง่ายขึ้น
Screenshot ที่มีแสดงชื่อ Dashboard ว่า “House1” และอยู่ในมุมมอง Realtime - last 1 hour
Temperature ใน Screenshot
- ด้านหน้า - ค่า 126.4°C
- ด้านหน้า - ค่า 226.9°C
- ด้านหลัง - ค่า 127.1°C
- ด้านหลัง - ค่า 226.8°C
Humidity ใน Screenshot
- ด้านหน้า - ค่า 191.1%
- ด้านหน้า - ค่า 287.1%
- ด้านหลัง - ค่า 186.3%
- ด้านหลัง - ค่า 287.7%
ไม่ควรตีความว่าช่วง Temperature หรือ Humidity ดังกล่าว เป็นค่าที่เหมาะสมที่สุดสำหรับพืชทุกชนิด เพราะ Source ไม่ได้ระบุชนิดพืช ระยะการเจริญเติบโต Threshold หรือ Control Setpoint ของระบบ
Smart Farm ไม่ได้มีแค่ Electronics
Smart Farm ที่ใช้งานจริงเป็นการรวมหลายระบบเข้าด้วยกัน ไม่ใช่เพียงการต่อ Sensor เข้ากับ Board
Growing Area
พื้นที่ปลูกคือส่วนที่ต้องการข้อมูล และเป็นจุดที่สภาพแวดล้อมเกิดการเปลี่ยนแปลงจริง
Water System
ภาพแสดงถังน้ำและระบบท่อ แต่ Source ยังไม่ได้ระบุ Logic หรือวิธีควบคุมระบบน้ำ
Electronics & Data
Sensor, Controller, Network และ Dashboard ทำหน้าที่เชื่อมสถานการณ์หน้างานเข้าสู่โลกของข้อมูล
ประเด็นสำคัญคือ Hardware Electronics ไม่ได้แทนที่ระบบทางกายภาพของฟาร์ม แต่ทำหน้าที่ช่วยมองเห็น เก็บข้อมูล และในอนาคตสามารถนำข้อมูลไปใช้ประกอบการควบคุมระบบอื่นได้
ทำไมควรเริ่มจาก Monitoring ก่อน Automation?
คำว่า Smart Farm มักทำให้หลายคนนึกถึง Pump ที่เปิดเอง พัดลมที่ทำงานเอง หรือระบบรดน้ำที่ไม่ต้องมีคนควบคุม
แต่ก่อนที่ระบบจะตัดสินใจแทนคนได้ สิ่งแรกที่ต้องมีคือข้อมูลที่มองเห็นและตรวจสอบได้
Project ชุดนี้จึงมีคุณค่าในมุมของ Monitoring เพราะสามารถนำข้อมูลจากพื้นที่จริงมาแสดงบน Dashboard ทำให้ผู้ดูแลเห็นค่าจากหลายตำแหน่ง โดยไม่จำเป็นต้องเดินไปอ่าน Sensor ทีละจุด
- ติด Sensor ในตำแหน่งที่ต้องการตรวจวัด
- รับข้อมูลเข้าสู่ Controller
- เชื่อม Controller เข้ากับ Network
- นำข้อมูลมาแสดงบน Dashboard
- เก็บข้อมูลเพื่อเรียนรู้พฤติกรรมของพื้นที่
- ค่อยพิจารณา Automation เมื่อมี Requirement และข้อมูลเพียงพอ
ขั้นที่ 6 เป็นเพียงแนวทางในการพัฒนาระบบ ไม่ได้หมายความว่า Project ในภาพ มี Automation Logic หรือควบคุม Pump โดยอัตโนมัติแล้ว
กลับมาที่เป้าหมายจริงของระบบ: พื้นที่ปลูก
สุดท้ายแล้ว Smart Farm ไม่ได้มีเป้าหมายเพื่อสร้าง Dashboard ที่สวยที่สุด หรือมี Sensor จำนวนมากที่สุด
Hardware และ Software ทั้งหมดมีหน้าที่ช่วยเชื่อม พื้นที่ปลูกจริงกับข้อมูลที่นำไปใช้ตัดสินใจได้
เมื่อเริ่มจากการ Monitoring อย่างเป็นระบบ ผู้พัฒนาจะมีพื้นฐานข้อมูลสำหรับตอบคำถามต่อไปว่า ควรเพิ่ม Sensor จุดไหน ควรเก็บ Historical Data แบบใด หรือส่วนไหนของระบบเหมาะกับการพัฒนาไปสู่ Automation
ภาพรวมพื้นที่ปลูกใน Environment จริง
เมื่อพื้นที่ปลูกมีหลายแถวและมีระยะห่างระหว่างจุดต่าง ๆ การติด Sensor มากกว่าหนึ่งตำแหน่ง สามารถช่วยให้เห็นความแตกต่างของ Environment ได้ละเอียดกว่าการอ้างอิงค่าจากจุดเดียว
อย่างไรก็ตาม Source ปัจจุบันยังไม่ได้ระบุ จำนวน Sensor ทั้งหมดจริง ตำแหน่งติดตั้งแต่ละ Node หรือหลักเกณฑ์ที่ใช้เลือกตำแหน่ง จึงไม่ควรสร้าง Layout ของ Sensor Network ขึ้นเอง
FAQ: คำถามเกี่ยวกับ Smart Farm, Sensor และ Raspberry Pi
1. Smart Farm ชุดนี้วัดค่าอะไร?
จาก Dashboard ยืนยันได้ว่ามีการแสดง Temperature และ Humidity จากตำแหน่งที่ระบุเป็นด้านหน้าและด้านหลัง
2. Sensor ที่ใช้เป็นรุ่นอะไร?
Source ที่มีอยู่ยังไม่ได้ระบุชื่อรุ่นของ Sensor จึงไม่ควรระบุรุ่นจากการคาดเดาด้วยภาพ
3. ระบบนี้ใช้ Raspberry Pi จริงหรือไม่?
จากภาพและข้อมูลชุดปัจจุบัน ยังไม่สามารถยืนยันได้ว่า Raspberry Pi ถูกติดตั้งอยู่ในระบบจริง บทความจึงนำ Raspberry Pi มาอธิบาย ในฐานะแนวทางต่อยอด Central Node เท่านั้น
4. Raspberry Pi สามารถทำหน้าที่อะไรใน Smart Farm ได้?
ใน Architecture ที่ต่อยอด Raspberry Pi สามารถถูกใช้เป็นเครื่องกลางบน Network สำหรับรัน Service เช่น Web Server หรือระบบที่ใช้จัดเก็บและแสดงข้อมูล แต่ Software Stack จริงต้องกำหนดจาก Requirement ของ Project
5. ต้องใช้ Raspberry Pi รุ่นไหน?
Source ยังไม่มีข้อมูลจำนวน Sensor, Database, Software, Network Load หรือ Requirement ด้าน Performance จึงยังไม่สามารถเลือก Raspberry Pi รุ่นที่เหมาะสมได้จากข้อมูลชุดนี้
6. ระบบใช้ MQTT หรือไม่?
Source ไม่ได้ระบุ Communication Protocol จึงยังยืนยันไม่ได้ว่าใช้ MQTT, HTTP, Modbus หรือ Protocol อื่น
7. Dashboard เป็น Software อะไร?
Screenshot ยืนยันว่ามี Dashboard สำหรับแสดงข้อมูล แต่ Source ที่ให้มายังไม่ได้ระบุชื่อ Platform หรือ Software
8. Dashboard แสดงข้อมูลแบบ Real-time หรือไม่?
Screenshot มีข้อความ “Realtime - last 1 hour” จึงยืนยันได้ว่าหน้าจอตัวอย่างอยู่ในมุมมองดังกล่าว แต่ Source ไม่ได้ระบุ Sampling Rate หรือ Refresh Interval
9. ระบบควบคุม Pump อัตโนมัติหรือไม่?
Source ปัจจุบันไม่ได้ระบุ Automation Logic หรือยืนยันว่า Pump ถูกสั่งงานอัตโนมัติจาก Sensor
10. สามารถเพิ่ม Sensor ชนิดอื่นในอนาคตได้หรือไม่?
ในเชิง Architecture สามารถออกแบบระบบให้รองรับ Sensor เพิ่มได้ แต่ Compatibility, Interface, Voltage และ Protocol ต้องตรวจสอบจาก Hardware ที่เลือกใช้จริง
11. ค่า Humidity ในภาพสูงกว่า 80% ถือว่าปกติหรือไม่?
Source ไม่ได้ให้ชนิดพืช ระยะการเติบโต ช่วงเวลาการตรวจวัด หรือค่า Target จึงไม่ควรสรุปจาก Screenshot เพียงภาพเดียวว่า ค่าดังกล่าวเหมาะสมหรือผิดปกติ
12. Smart Farm จำเป็นต้องทำ Automation ตั้งแต่แรกหรือไม่?
ไม่จำเป็นในเชิง Concept ระบบสามารถเริ่มจาก Monitoring เพื่อเก็บและทำความเข้าใจข้อมูลก่อน แล้วจึงพิจารณา Automation ตาม Requirement และข้อมูลที่มีในภายหลัง
Smart Farm เริ่มจากการทำให้ Environment กลายเป็นข้อมูล
Project นี้แสดงภาพของ Smart Farm ในมุมที่จับต้องได้ตั้งแต่ Sensor หน้างาน Controller, Network, Dashboard ไปจนถึงแปลงปลูกจริง
จุดสำคัญไม่ได้อยู่ที่การใส่คำว่า IoT หรือ Automation ลงไปในทุกส่วนของระบบ แต่คือการสร้าง Data Flow ที่ช่วยให้ข้อมูลจากพื้นที่จริงเดินทางมาถึงผู้ใช้งานได้
เมื่อ Monitoring ทำงานได้อย่างเป็นระบบ ขั้นต่อไปจึงค่อยพิจารณาเรื่อง Historical Data, Alert, Analysis หรือ Automation ตาม Requirement ที่เกิดจากหน้างานจริง
ส่วน Raspberry Pi สามารถเป็นหนึ่งในตัวเลือกสำหรับต่อยอดระบบกลาง หาก Requirement ของ Project ต้องการ Computer บน Network สำหรับรัน Service หรือ Dashboard แต่ควรเลือก Board และ Software จากข้อมูลระบบจริง ไม่ใช่เลือกจากชื่อ Hardware เพียงอย่างเดียว
References / แหล่งข้อมูลต้นฉบับ
- ภาพและข้อมูลจาก Project Smart Farm ที่ใช้ประกอบบทความนี้
- ภาพพื้นที่ Smart Farm
- ภาพ Field Controller
- ภาพ Controller และ Network
- ภาพ Dashboard Temperature และ Humidity
- Raspberry Pi Documentation - Network Configuration
- Raspberry Pi Documentation - Remote Access and Network Services
อยากเริ่ม Project Smart Farm หรือ IoT ของตัวเอง?
ถ้ากำลังวาง Project ที่เกี่ยวกับ Raspberry Pi, Development Board, Sensor, IoT หรือระบบ Monitoring สามารถสอบถามทีม Globalbyte เพื่อช่วยดูแนวทางและอุปกรณ์ที่เหมาะกับ Requirement ของ Project ได้