งานวิจัยนี้มุ่งพัฒนาระบบเฝ้าระวังอาการก่อนคลอดของแม่สุกรด้วยเทคนิคการเรียนรู้เชิงลึกร่วมกับการเก็บรวบรวมข้อมูลจากการสัมภาษณ์และศึกษาพฤติกรรมแม่สุกรในฟาร์มสุกรที่จังหวัดนครปฐมโดยใช้อัลกอริทึม YOLOv7และ Deep SORTในการตรวจจับและติดตามการเคลื่อนไหวของวัตถุ จากนั้นแสดงผลไปยังโปรแกรมประยุกต์บนเว็บไซต์และแจ้งเตือนความผิดปกติผ่านแอปพลิเคชันไลน์ จากการทดสอบความถูกต้องและแม่นย าโดยเปรียบเทียบกับการนับจ านวนด้วยคนพบว่าการประมวลผลภาพและท่าทางมีความถูกต้องเฉลี่ยร้อยละ 96.34 ส่วนการแจ้งเตือนผู้เลี้ยงสุกรมีความถูกต้องเฉลี่ยร้อยละ 96.50แสดงให้เห็นว่าระบบนี้สามารถใช้งานได้จริงในสภาพแวดล้อมคอกสุกรทั่วไป อย่างไรก็ตามหากต้องการน าไปใช้ในโรงเรือนภาคอุตสาหกรรม จ าเป็นต้องปรับการเรียนรู้ของโมเดลจากฟาร์มสุกรในสถานที่จริงอีกครั้งเพื่อให้เกิดความแม่นย าในการตรวจจับมากขึ้น
This research aims to develop a surveillance system for monitoring prepartum symptoms in sows using deep learning techniques combined with interviews and pig behaviorobservationsin Nakhon Pathom province.The system uses YOLOv7 and Deep SORT for object detection and tracking.When a sow moves,the data was recorded via a web application, which sends abnormality alerts through the LINE application. For accuracy testing, the system data were comparedwith manually recorded data by human. The results showed thatachieved an average accuracy of 96.34%, while alert accuracy for pig farmers averaged 96.5%. Theseresultsindicated that the system is practically applicable in typical pig pen environments. However, to implement it in industrial-scale facilities, the model must be retrained with data from real farm environments.
