This research project focuses on the design and development of a Manual Control Robot using Load Cell technology to enhance precision and reduce the time required for robot control. The use of automation robots in industries still presents challenges due to the complexity of programming and control. Therefore, developing a manual control system that responds to force input in all directions can significantly improve the efficiency of robots, making them more suitable for tasks requiring precise and intricate control. The study integrates Load Cell sensors, an HX711 amplifier circuit, and an Arduino UNO R3 to develop a control module that translates user-applied forces into commands for an RV-7FRL-D industrial robotic arm. Additionally, MATLAB is utilized for processing Load Cell data to analyze and optimize the robot’s movement accuracy. The results demonstrate that the developed system effectively reduces robot setup time while simplifying and improving control flexibility. This project represents a crucial step in enhancing the capabilities of industrial robots, allowing for seamless human-robot interaction through a manual control system that directly responds to user-applied forces.
ที่มาและความสำคัญของโครงงาน ในปัจจุบัน หุ่นยนต์อัตโนมัติ (Automation Robot) ได้รับความนิยมอย่างแพร่หลายในอุตสาหกรรม เนื่องจากช่วยเพิ่มประสิทธิภาพในการผลิต ลดต้นทุนแรงงาน และสามารถทำงานที่มีความแม่นยำสูงได้ อย่างไรก็ตาม การควบคุมและตั้งโปรแกรมหุ่นยนต์ให้ทำงานตามที่ต้องการนั้นมีความซับซ้อน และมักต้องการผู้เชี่ยวชาญในการปรับแต่งโปรแกรมและการตั้งค่าการทำงานของหุ่นยนต์ ซึ่งอาจทำให้เกิดความล่าช้าในกระบวนการผลิต ดังนั้น การพัฒนาระบบ Manual Control Robot ที่สามารถควบคุมหุ่นยนต์ได้โดยตรงผ่านการรับรู้แรงกดและแรงดึงจากผู้ใช้งาน จึงเป็นแนวทางที่สามารถช่วยลดความซับซ้อนในการควบคุมและเพิ่มความยืดหยุ่นในการใช้งาน โดยในโครงงานนี้จะใช้ Load Cell ร่วมกับ HX711 Amplifier และ Arduino UNO R3 เพื่อพัฒนาระบบที่สามารถตรวจจับแรงจากผู้ใช้งานและแปลงเป็นคำสั่งควบคุมหุ่นยนต์แบบเรียลไทม์ นอกจากนี้ การควบคุมแบบแมนนวลผ่าน Load Cell ยังสามารถช่วยลด เวลาการตั้งค่าและโปรแกรมหุ่นยนต์ ได้อย่างมีประสิทธิภาพ ทำให้การทำงานของหุ่นยนต์มีความสะดวกมากขึ้น และรองรับงานที่ต้องการ รวมถึงการปรับตัวให้เข้ากับสภาพแวดล้อมการทำงานที่ซับซ้อน ซึ่งสามารถนำไปประยุกต์ใช้ในอุตสาหกรรมที่ต้องการ Human-Robot Interaction ได้อย่างมีประสิทธิภาพ ดังนั้น โครงงานนี้จึงมีความสำคัญในการเพิ่มขีดความสามารถของ Manual Control Robot เพื่อลดระยะเวลาการตั้งค่าและเพิ่มความคล่องตัวในการควบคุมหุ่นยนต์ ซึ่งเป็นประโยชน์ทั้งต่อภาคอุตสาหกรรมและการศึกษาเกี่ยวกับการควบคุมหุ่นยนต์ในอนาคต
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
-
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
-
คณะเทคโนโลยีการเกษตร
Durian is a crucial economic crop of Thailand and one of the most exported agricultural products in the world. However, producing high-quality durian requires maintaining the health of durian trees, ensuring they remain strong and disease-free to optimize productivity and minimize potential damage to both the tree and its fruit. Among the various diseases affecting durian, foliar diseases are among the most common and rapidly spreading, directly impacting tree growth and fruit quality. Therefore, monitoring and controlling leaf diseases is essential for preserving durian quality. This study aims to apply image analysis technology combined with artificial intelligence (AI) to classify diseases in durian leaves, enabling farmers to diagnose diseases independently without relying on experts. The classification includes three categories: healthy leaves (H), leaves infected with anthracnose (A), and leaves affected by algal spot (S). To develop the classification model, convolutional neural network (CNN) algorithms—ResNet-50, GoogleNet, and AlexNet—were employed. Experimental results indicate that the classification accuracy of ResNet-50, GoogleNet, and AlexNet is 93.57%, 93.95%, and 68.69%, respectively.