สวัสดีเพื่อนๆ ชาว Maker, ช่างเทคนิคสาย Smart Farm และเกษตรกรยุคใหม่ทุกคนครับ! 🍅🤖 สำหรับใครที่เคยทำงานเกี่ยวข้องกับการจัดจำหน่ายผลไม้หรือผลผลิตทางการเกษตร น่าจะเคยคุ้นเคยกับกระบวนการ **"การคัดเกรด (Grading)"** เป็นอย่างดีใช่ไหมครับ? อย่างเช่นการคัดเลือกสตรอว์เบอร์รีหรือมะเขือเทศ นอกจากเราจะต้องคัดผลที่เสียทิ้งแล้ว สิ่งสำคัญไม่แพ้กันคือ **"การคัดแยกสีและขนาดให้สม่ำเสมอเท่ากันทั้งกล่อง"** เพราะผู้ซื้อจะไม่ชอบเลยถ้าซื้อไปแล้วเจอผลสุกกับผลดิบผสมกันปนเป!

แต่การใช้แรงงานคนมานั่งเพ่งสายตาคัดแยกทีละลูก นอกจากจะช้าและเสียค่าแรงสูงแล้ว เมื่อทำงานนานๆ ตาเริ่มล้าก็มักจะเกิดความผิดพลาดได้ง่ายครับ คุณ **[Pmalfa31]** เลยผุดไอเดียสุดเจ๋ง นำไมโครคอนโทรลเลอร์ราคาสบายกระเป๋าอย่าง **ESP32** มาทำงานร่วมกับ **Machine Learning (ML)** เพื่อสร้างระบบคัดเกรดมะเขือเทศอัตโนมัติได้อย่างแม่นยำครับ!

หลักการทำงานและการจำแนกขนาดด้วย ML 🛠️⚙️

ระบบถูกออกแบบมาให้ฉลาดและยืดหยุ่นในการใช้งานจริงในฟาร์ม โดยมีขั้นตอนประมวลผลที่น่าสนใจดังนี้ครับ:

• โหมดเลือกประเภทมะเขือเทศ (Dual Dataset Mode): เลือกระหว่างการประมวลผลมะเขือเทศขนาดปกติ (Standard Tomatoes) หรือมะเขือเทศเชอร์รี (Cherry Tomatoes) ซึ่งระบบจะดึงชุดข้อมูลเรียนรู้ (Learned Dataset) แยกต่างชุดกันตามสเปกผลผลิต
• การกรองภาพสายพานว่างเปล่า (Empty Belt Removal): เมื่อออปติคัลเซนเซอร์ (Optical Sensor) จับภาพวัตถุบนสายพาน ระบบจะทำการกรองเฟรมที่เป็นสายพานเปล่าออกโดยอัตโนมัติ แล้วนำค่ามาคำนวณข้อมูลทางสถิติของผลไม้แต่ละลูก
• ระบบตรวจสอบขนาดจริง (Heuristic Size Validation): สิ่งที่น่าประทับใจคือโค้ดมีการตรวจสอบตรรกะขนาดจริงร่วมด้วย หากมะเขือเทศลูกใหญ่เกินสเปกเชอร์รี หรือเล็กเกินสเปกมะเขือเทศธรรมดา ระบบจะติดธงแจ้งเตือน ช่วยลดอัตราการคัดเกรดผิดประเภทได้อย่างมีประสิทธิภาพ

ข้อควรรู้เรื่องหน่วยความจำ Stack Memory บน ESP32 ⚠️🧠

เนื่องจากการประมวลผลอัลกอริทึม Machine Learning บนบอร์ดจิ๋ว ค่อนข้างใช้ทรัพยากรเครื่องสูง โดยเฉพาะการกินพื้นที่หน่วยความจำในส่วน Stack Memory (Stack Hog) หากเขียนโค้ดปกติบอร์ดอาจเกิดอาการ Reset หรือ Crash ได้ ผู้พัฒนาจึงต้องมีการสั่งจองและขยายขนาด Stack Size ในโปรแกรมเพิ่มเป็นพิเศษครับ

// ตัวอย่างการขยาย Stack Size บน ESP32 สำหรับรัน Machine Learning
#include <Arduino.h>

enum TomatoType { STANDARD_TOMATO, CHERRY_TOMATO };

// ตรรกะตรวจเช็กขนาดความถูกต้อง (Heuristic Size Validation)
bool validateTomatoSize(float detectedSize, TomatoType type) {
  if (type == CHERRY_TOMATO && detectedSize > 35.0) { // ขนาดเกิน 35mm
    Serial.println("Warning: Fruit too big for Cherry Tomato!");
    return false;
  } else if (type == STANDARD_TOMATO && detectedSize < 40.0) { // ขนาดเล็กกว่า 40mm
    Serial.println("Warning: Fruit too small for Standard Tomato!");
    return false;
  }
  return true; // ขนาดถูกต้องตามสเปก
}

// Task สำหรับรันอัลกอริทึม ML ด้วย Stack Size ขนาดใหญ่ (16KB)
void MLProcessingTask(void *pvParameters) {
  for (;;) {
    float mockSize = 25.0; // สมมุติค่าขนาดจากออปติคัลเซนเซอร์
    TomatoType currentMode = CHERRY_TOMATO;

    if (validateTomatoSize(mockSize, currentMode)) {
      Serial.println("ML Grading: Pass -> Processing Color & Quality...");
    }

    vTaskDelay(pdMS_TO_TICKS(2000));
  }
}

void setup() {
  Serial.begin(115200);

  // สร้าง FreeRTOS Task พร้อมกำหนด Stack Size ใหญ่เป็นพิเศษ (16384 Bytes)
  xTaskCreatePinnedToCore(
    MLProcessingTask,   /* ชื่อฟังก์ชัน Task */
    "ML_Task",          /* ชื่อเรียก Task */
    16384,              /* ขนาด Stack Memory */
    NULL,               /* พารามิเตอร์ */
    1,                  /* ความสำคัญ (Priority) */
    NULL,               /* Handle */
    1                   /* เลือก Core 1 บน ESP32 */
  );
}

void loop() {
  // วนลูปการทำงานหลัก
}