This study was conducted to develop a prototype cooling cover for transporting raw milk, aiming to provide a solution for maintaining the quality of raw milk during transportation to milk collection centers. The cooling cover is made using Phase Change Material (PCM), produced from water mixed with a gelling agent, in an amount of 5.6 kg, attached around an aluminum milk tank (with a capacity of 25 L). The cover is then covered with a UV-reflective fabric in two types: polyvinyl chloride (PVC) and high-density polyethylene (HDPE). The temperature reduction performance of both types of covers was evaluated by measuring water temperatures at various points along the radial and vertical directions of the milk tank at six points, using type-T thermocouples, under three environmental conditions: a constant temperature of 25 °C, 35 °C, and outdoor ambient temperature (average temperature 35.5 °C) for a minimum duration of 180 min. The experimental results revealed that at 120 min., the water in the tank covered with PCM-PVC and PCM-HDPE covers had temperatures lower than the ambient temperature by 12.6 °C and 12.9 °C, respectively, under a constant ambient temperature of 25 °C, and under a constant ambient temperature of 35 °C lower by 16.7 °C and 16.4 °C, respectively, and outdoor conditions. Since the temperature reduction performance of PCM-PVC and PCM-HDPE covers showed no significant difference, the performance of microbial quality preservation of raw milk was assessed only with PCM-PVC cover in comparison to a non-covered case (control), by measuring coliform and Escherichia coli counts using compact dry plates. Results indicated that after 120 min., milk in the tank covered with PCM-PVC had an average coliform count of 1.6 × 10^4 CFU/ml and E. coli count of 2 × 10^3 CFU/ml, which was lower than the non-covered control with an average coliform count of 1.5 × 10^4 CFU/ml and E. coli count of 1.1 × 10^4 CFU/ml. This study concludes that the temperature reduction achieved by the cooling cover can help inhibit coliform growth to levels below raw milk quality standards, demonstrating the potential of the cooling cover in maintaining the quality and safety of raw milk during transport, ultimately contributing to an improved quality of life for Thai dairy farmers.
โดยทั่วไปการขนส่งน้ำนมดิบจากฟาร์มของเกษตรกรรายย่อยไปยังศูนย์รวบรวมน้ำนมดิบขนส่งโดยใส่ น้ำนมดิบในถังโลหะผลิตจากเหล็กกล้าไร้สนิม (Stainless steel) หรืออะลูมิเนียมที่ไม่มีการควบคุมอุณหภูมิ ส่งผลให้ อุณหภูมิของน้ำนมดิบมีโอกาสเพิ่มสูงขึ้นอย่างต่อเนื่อง ซึ่งส่งเสริมให้เชื้อจุลินทรีย์เจริญได้ดีจนทำให้น้ำนมดิบเสื่อมเสียคุณภาพและเป็นอันตรายต่อผู้บริโภค เนื่องจากอุณหภูมิมีอิทธิพลต่อคุณภาพของน้ำนมดิบอย่างมากโดยเฉพาะคุณภาพด้านจุลินทรีย์ น้ำนมดิบอุดมไปด้วยสารอาหารที่เป็นประโยชน์และมีความเป็นกรด-ด่าง (pH) ประมาณ 6.6 - 6.8 ซึ่งเป็นสภาวะที่เหมาะกับการเจริญเติบโตของเชื้อจุลินทรีย์หลายชนิด การเก็บรักษาน้ำนมดิบที่อุณหภูมิบรรยากาศจึงเป็นการส่งเสริมให้เชื้อจุลินทรีย์สามารถเพิ่มจำนวนได้อย่างรวดเร็วจนเกินเกณฑ์มาตรฐานได้ภายในเวลา 2-5 ชั่วโมง การใช้เครื่องทำความเย็นเป็นวิธีการลดอุณหภูมิน้ำนมดิบที่มีประสิทธิภาพในระยะยาว ซึ่งเครื่องทำความเย็นโดยทั่วไปเป็นระบบทำความเย็นแบบอัดไอซึ่งมีราคาแพง ต้องการระบบส่งไฟฟ้าที่มีความเสถียรและการบำรุงรักษาอย่างถูกต้องสม่ำเสมอ ทำให้เกษตรกรผู้เลี้ยงโคนมรายย่อยที่มีจำนวนโคนมไม่เกิน 20 ตัวไม่มีความจำเป็นที่จะนำระบบทำความเย็นมาใช้เพราะอาจไม่คุ้มค่ากับการลงทุน เมื่อเทียบกับผลผลิตที่เกิดขึ้น (Economy of scale) ด้วยเหตุนี้เกษตรกรเหล่านี้จึงต้องขนส่งน้ำนมดิบหลังการรีดเสร็จให้เร็วที่สุด และต้องไม่เกิน 2 ชั่วโมง เพื่อให้เป็นตามข้อกำหนดมกษ. 6003 - 2553 ไม่เช่นนั้นต้องลดอุณหภูมิน้ำนมดิบให้ต่ำกว่า 4 °C แล้วนำส่งศูนย์รวบรวมน้ำนมดิบภายในเวลา 24ชั่วโมงการศึกษานี้จึงจัดทำขึ้นเพื่อเสนอนวัตกรรมการทำความเย็นที่มีต้นทุนต่ำและใช้งานง่าย นั่นคือ เสื้อคลุมเย็นที่ประกอบขึ้นจากวัสดุเปลี่ยนสถานะ (Phase Change Material, PCM) ที่สามารถหาซื้อได้ทั่วไป คณะผู้วิจัยคาดหวังว่านวัตกรรมนี้จะสามารถช่วยเกษตรกรรายย่อยให้สามารถรักษาคุณภาพน้ำนมดิบระหว่างการขนส่งจากฟาร์มไปยังศูนย์รวบรวมน้ำนมดิบได้โดยสร้างภาระทางการเงินให้กับเกษตรกรน้อยที่สุด
คณะเทคโนโลยีสารสนเทศ
This research presents a deep learning method for generating automatic captions from the segmentation of car part damage. It analyzes car images using a Unified Framework to accurately and quickly identify and describe the damage. The development is based on the research "GRiT: A Generative Region-to-text Transformer for Object Understanding," which has been adapted for car image analysis. The improvement aims to make the model generate precise descriptions for different areas of the car, from damaged parts to identifying various components. The researchers focuses on developing deep learning techniques for automatic caption generation and damage segmentation in car damage analysis. The aim is to enable precise identification and description of damages on vehicles, there by increasing speed and reducing the work load of experts in damage assessment. Traditionally, damage assessment relies solely on expert evaluations, which are costly and time-consuming. To address this issue, we propose utilizing data generation for training, automatic caption creation, and damage segmentation using an integrated framework. The researchers created a new dataset from CarDD, which is specifically designed for cardamage detection. This dataset includes labeled damages on vehicles, and the researchers have used it to feed into models for segmenting car parts and accurately labeling each part and damage category. Preliminary results from the model demonstrate its capability in automatic caption generation and damage segmentation for car damage analysis to be satisfactory. With these results, the model serves as an essential foundation for future development. This advancement aims not only to enhance performance in damage segmentation and caption generation but also to improve the model’s adaptability to a diversity of damages occurring on various surfaces and parts of vehicles. This will allow the system to be applied more broadly to different vehicle types and conditions of damage inthe future
วิทยาลัยการจัดการนวัตกรรมและอุตสาหกรรม
Diabetes is a significant global health issue, particularly due to complications related to diabetic wounds. Studies indicate that approximately 15-25% of diabetic patients develop foot ulcers, with more than 50% of severe cases leading to amputation. This results in a substantial decline in the quality of life for patients. Current treatments for diabetic wounds face challenges such as antibiotic-resistant bacterial infections and delayed wound healing, highlighting the need for innovative solutions to accelerate the healing process and reduce the risk of limb loss. Cotylelobium lanceolatum Craib, a medicinal plant long utilized in traditional Thai medicine, is known for its anti-inflammatory and wound-healing properties. This study focuses on developing an extract from Cotylelobium lanceolatum Craib in the form of nano silver (Nano Silver) to enhance the effectiveness of diabetic wound treatment. Nano silver technology enables deeper penetration into the skin, provides potent antibacterial activity, and promotes wound healing by reducing inflammation and stimulating tissue regeneration. The development of nano silver derived from Cotylelobium lanceolatum Craib extract is expected to help reduce chronic wounds in diabetic patients, lower the risk of infection, and decrease the incidence of limb amputation and mortality associated with diabetic wound complications. This research represents a significant step toward creating a safer and more effective treatment alternative for diabetic wound care.
คณะวิทยาศาสตร์
Recruitment is a crucial process that enables organizations to select candidates whose qualifications match the requirements of a given position. However, this process often faces challenges related to data management, delays, and human bias. This research aims to design and develop an intelligent web application for employee recruitment using artificial intelligence (AI) technology to evaluate and score candidates' suitability for job positions. The system leverages data analysis techniques on resumes and a qualification-matching process based on predefined criteria. Developed using Agile principles, the system employs Natural Language Processing (NLP) to analyze resumes, assess candidates’ qualifications, skills, and experience, and utilizes Machine Learning to predict and rank suitability. The system consolidates data from multiple sources into a unified database to reduce redundancy and input errors. Additionally, it presents insights through a dashboard, enabling HR teams to make more effective hiring decisions.