ปัจจุบันเกษตรกรยังคงขาดความรู้ในการให้ปุ๋ยและจัดการแปลงอย่างถูกวิธี จึงทำให้ได้ผลผลิตน้อย มีค่าใช้จ่ายสูงในการจ้างแรงงานและค่าทรัพยากรที่ใช้ในการดูแลแปลงปาล์มน้ำมัน เช่น ปุ๋ย ยาฆ่าแมลง ยาป้องกันโรค เป็นต้น ในการเดินสำรวจแปลงด้วยแรงงานคนในแปลงปาล์มที่มีขนาดใหญ่ ต้องใช้เวลานานและอาจทำให้มีต้นปาล์มหลายต้นที่เป็นโรคและขาดธาตุอาหารเนื่องจากการดูแลไม่ทั่วถึง ซึ่งจะทำให้ผลผลิตปาล์มน้อยลงและอาจทำให้มีค่าใช้จ่ายในการดูแลและจัดการแปลงขึ้นได้ เพราะฉะนั้น การสำรวจแปลงปาล์มน้ำมันและประเมินสุขภาพของต้นปาล์มน้ำมันในพื้นที่เป็นสิ่งสำคัญที่จะทำให้เกษตรกรมีผลผลิตปาล์มน้ำมันที่ดีและลดค่าใช้จ่ายในการดูแลแปลง

เทคนิคการเรียนรู้เชิงลึก (Deep Learning) ซึ่งประกอบด้วยโครงข่ายประสาทแบบคอนโวลูชัน (Convolutional Neural Network) หลายๆ ชั้น ได้ถูกนำมาใช้ในการงานวิจัยนี้ เพื่อจำแนกสุขภาพต้นปาล์มและตรวจนับปาล์มต้นอัตโนมัติ ซึ่งเป็นเทคนิคที่ให้ความแม่นยำสูงหากมีข้อมูลสำหรับให้คอมพิวเตอร์เรียนรู้จำนวนมากพอและเป็นข้อมูลภาพที่มีคุณภาพ โดยโครงการได้นำภาพถ่ายทางอากาศรายละเอียดสูงจากอากาศยานไร้คนขับที่ได้ทำการบินสำรวจในพื้นที่ศึกษามาใช้ในการพัฒนาระบบ ภาพถ่ายทางอากาศที่นำมาใช้จะเป็นภาพที่ทำการต่อภาพและปรับแก้ความบิดเบี้ยวของภาพแล้ว (Orthophoto) ซึ่งภาพที่ได้จะมีค่าพิกัดทางภูมิศาสตร์

การใช้ภาพถ่ายทางอากาศรายละเอียดสูงจากอากาศยานไร้คนขับในงานการสำรวจสุขภาพต้นปาล์ม มีข้อดีดังต่อไปนี้

• สามารถบินสำรวจซ้ำที่เดิมได้บ่อยกว่าดาวเทียม
• ไม่มีเมฆปรากฏบนภาพที่ถ่ายได้
• สามารถบินถ่ายภาพได้รายละเอียดสูงระดับเซนติเมตร
• ต้นปาล์มจะแสดงอาการขาดธาตุอาหารออกทางใบปาล์ม ซึ่งสามารถมองเห็นได้บนภาพถ่ายจาก UAV
• ได้ภาพที่มีระบบพิกัดทางภูมิศาสตร์

ในส่วนของการพัฒนาระบบตรวจนับต้นและทำนายสุขภาพต้นปาล์มน้ำมันอัตโนมัติ ปัจจุบันกำลังอยู่ในขั้นตอนการพัฒนาระบบและโมเดลให้มีความแม่นยำสูงและมีความรวดเร็วในการประมวลผล ได้มีการนำโมเดล RetinaNet (Tsung-Yi Lin et al. , 2017) ที่มีประสิทธิภาพและความแม่นยำสูงในปัจจุบันมาทดลองใช้และปรับแก้สมการเพื่อให้ได้โมเดลสำหรับตรวจนับและทำนายสุขภาพต้นปาล์มน้ำมันที่มีความแม่นยำสูง  ซึ่ง RetinaNet เป็นโมเดลสำหรับการตรวจจับวัตถุ (Object Detection) ที่มีความเร็วและความแม่นยำสูง มีการใช้งานอย่างแพร่หลายในงานตรวจจับวัตถุ เช่น มะเร็งจากภาพเอกซเรย์ วัตถุในภาพวีดีโอ เป็นต้น

การพัฒนาระบบตรวจนับต้นและทำนายสุขภาพต้นปาล์มอัตโนมัติ ปัจจุบันกำลังอยู่ในขั้นตอนพัฒนาโมเดลให้มีความแม่นยำและพัฒนาระบบสำหรับใช้งานออนไลน์

โดยการพัฒนาระบบประกอบด้วย 2 ขั้นตอนหลัก คือ

1. การพัฒนาโมเดลตรวจนับต้นและทำนายสุขภาพต้นปาล์มน้ำมัน
2. การพัฒนาระบบตรวจนับต้นและทำนายสุขภาพต้นปาล์มน้ำมันจากภาพถ่ายทางอากาศรายละเอียดสูง

ในส่วนของการพัฒนาโมเดล ได้มีการใช้ภาพถ่ายทางอากาศรายละเอียดสูงมาใช้เป็นชุดข้อมูลสำหรับฝึกฝน (Training data) เพื่อตรวจจับและทำนายสุขภาพต้นปาล์มน้ำมัน โดยจะมีการใช้ภาพที่มาจากความสูงบินหลายระดับซึ่งจะมีความละเอียดของจุดภาพที่ต่างกันในการสร้างชุดข้อมูลสำหรับฝึกฝน อีกทั้งยังมีการเลือกใช้ภาพจากหลายพื้นที่เพื่อให้ชุดข้อมูลมีความหลากหลาย เนื่องจากลักษณะพื้นที่ แปลงปลูกปาล์มน้ำมัน สายพันธุ์ปาล์มน้ำมัน และลักษณะทางกายภาพต่างๆ ของต้นปาล์มจะมีความแตกต่างกันในแต่ละพื้นที่

ชุดข้อมูลที่ได้พัฒนาขึ้นจะถูกระบุตำแหน่งต้นปาล์มบนภาพและมีการจำแนกประเภทของสุขภาพต้นปาล์มเป็น 2 ประเภท ได้แก่ ต้นปาล์มสุขภาพดี และต้นปาล์มสุขภาพไม่ดี

ซึ่งใช้เกณฑ์การประเมินด้วยสายตาและการเดินสำรวจพื้นที่ตัวอย่างร่วมกับผู้เชี่ยวชาญ โดยต้นปาล์มที่มีสุขภาพดีและไม่ดี จะมีความแตกต่างกันเบื้องต้นในส่วนของสีใบและลักษณะทรงพุ่มหากดูจากภาพถ่ายทางอากาศรายละเอียดสูง ชุดข้อมูลที่ได้พัฒนาขึ้นจะมีการตรวจสอบความถูกต้องและปรับปรุงคุณภาพเพื่อให้ได้โมเดลที่มีประสิทธิภาพที่ดีที่สุดสำหรับใช้เป็นข้อมูลฝึกฝน ก่อนที่จะนำไปประยุกต์ใช้กับระบบตรวจนับต้นและทำนายสุขภาพต้นปาล์มน้ำมันอัตโนมัติ โดยชุดข้อมูลจะถูกใช้สำหรับการเรียนรู้เชิงลึกของคอมพิวเตอร์ที่มีการปรับแก้สมการหลายรูปแบบ แล้วทำการตรวจสอบความถูกต้องและเปรียบเทียบเพื่อหาโมเดลที่มีความแม่นยำและถูกต้องสูงที่สุด

ระบบตรวจนับต้นและทำนายสุขภาพต้นปาล์มน้ำมันอัตโนมัติ ถูกพัฒนาขึ้นสำหรับใช้กับแผนที่ภาพถ่ายทางอากาศรายละเอียดสูงจากอากาศยานไร้คนขับ รองรับภาพที่มีขนาดใหญ่ เจ้าหน้าที่ นักวิชาการ กลุ่มเกษตรกร หรือเกษตรกรรายย่อย สามารถใช้งานได้หากมีภาพถ่ายทางอากาศจากอากาศยานไร้คนขับ ในปัจจุบันหน่วยงานราชงานและเอกชนหลายแห่งมีอากาศยานไร้คนขับ หรือที่เรียกกันโดยทั่วไว้ว่าโดรน ไว้ใช้ในการทำงาน ซึ่งเจ้าหน้าที่ในแต่ละหน่วยงานที่เกี่ยวข้องสามารถทำการบินสำรวจเพื่อถ่ายภาพให้แก่เกษตรกรหรือบริเวณพื้นที่ที่ตนเองรับผิดชอบได้ ในอนาคตอุปกรณ์จะมีราคาถูกลงสามารถเข้าถึงได้ง่ายขึ้น กลุ่มเกษตรกรหรือเกษตรกรรายย่อยสามารถทำการบินเพื่อสำรวจเองได้ตามคำแนะนำของเจ้าหน้าที่และคู่มือการบินถ่ายภาพของโครงการวิจัย ระบบนี้จะสามารถเข้าถึงได้ออนไลน์ ผู้ใช้งานสามารถทำการอัพโหลดภาพเข้าสู่ระบบเพื่อทำการประมวลผลอัตโนมัติ (ปัจจุบันส่วนของระบบออนไลน์สำหรับผู้ใช้งานทั่วไปกำลังอยู่ในขั้นตอนการพัฒนาของโครงการวิจัยต่อเนื่อง)

โดยแนวคิดและการประยุกต์ใช้งานประกอบด้วย 4 ขั้นตอนได้แก่

1. บินสำรวจเพื่อถ่ายภาพถ่ายทางอากาศโดยใช้อากาศยานไร้คนขับ (Fly)
2. ตรวจนับต้น ทำนายสุขภาพ สรุปผลข้อมูล (Process)
3. ดูผล วิเคราะห์ผล (Visualize)
4. จัดการแปลงปาล์มน้ำมัน (Manage)

สำหรับขั้นตอนการตรวจนับต้น ทำนายสุขภาพ สรุปผลข้อมูล (Process) กำลังอยู่ในขั้นตอนการพัฒนาระบบให้มีประสิทธิภาพที่ดีขึ้น ในส่วนนี้จะประกอบด้วยชุดโปรแกรมหลัก 6 ส่วน ได้แก่

1. โปรแกรมต่อภาพและปรับแก้ความบิดเบี้ยวของภาพ (Orthophoto mosaicking)
2. โปรแกรมตัดภาพ (Tiles generating)
3. โปรแกรมนับต้นและทำนายสุขภาพต้นปาล์มน้ำมัน (Oil palm detection and health classification)
4. โปรแกรมลบข้อมูลตำแหน่งต้นปาล์มที่ซ้ำซ้อน (Duplicated points removing)
5. โปรแกรมหาพื้นที่ว่างสำหรับปลูกต้นปาล์มน้ำมัน (Prospect areas finding)
6. โปรแกรมสรุปผลข้อมูล (Summarizing)

ผลลัพธ์ที่ได้จากระบบจะเป็นข้อมูลสรุปและข้อมูลเชิงพื้นที่ที่มีค่าพิกัดทางภูมิศาสตร์กำกับ ผู้ใช้งานจะสามารถดูบนแผนที่ออนไลน์หรือนำข้อมูลไปใช้วิเคราะห์ต่อได้