This project aims to design and develop a propulsion system for agricultural equipment using RFID technology and evaluate its movement performance on different surfaces, including concrete and grass. The experiment focuses on examining the tag detection range under transmission power levels of 20 dBm, 23 dBm, and 26 dBm, as well as the impact of antenna angles on detection efficiency. Additionally, the system was tested in three movement scenarios: straight path, left turn, and right turn, at distances of 2 meters, 4 meters, and 6 meters. The results indicate that the system achieved the highest average speed of 0.4736 m/s and an average turning angle of 91.6° when moving in a straight path on a concrete surface at a distance of 4 meters. On a grass surface at the same distance, the average speed was 0.4483 m/s, with an average turning angle of 91.1°. For left and right turns, the movement on the concrete surface generally exhibited a higher average speed than on grass, particularly at a distance of 4 meters, where differences in turning angles were observed. This study provides insights into the factors affecting the movement of agricultural mowing equipment and serves as a foundation for enhancing the efficiency of propulsion systems in future developments.
ปัจจุบัน เทคโนโลยี RFID (Radio Frequency Identification) ได้รับการใช้งานอย่างแพร่หลายในหลากหลายอุตสาหกรรมและแอปพลิเคชันที่เติบโตอย่างรวดเร็ว เทคโนโลยีนี้ใช้คลื่นวิทยุในการระบุวัตถุที่ติดแท็กโดยไม่จำเป็นต้องมองเห็นหรือสัมผัสโดยตรง ทำให้การติดตามและระบุตำแหน่งมีความแม่นยำ คุ้มค่าทางเศรษฐกิจ และสามารถทำงานได้อย่างมีประสิทธิภาพในสภาพแวดล้อมที่หลากหลาย เช่น ภาคอุตสาหกรรมและการเกษตร ในภาคการเกษตร การใช้ RFID มีข้อดีหลายประการ เช่น ความสามารถในการทำงานกลางแจ้งโดยไม่ต้องพึ่งพาเซ็นเซอร์ราคาแพงหรือระบบสะท้อนสัญญาณที่ซับซ้อน ซึ่งช่วยลดต้นทุนและเพิ่มความแม่นยำในการควบคุมอุปกรณ์ทางการเกษตร งานวิจัยนี้มุ่งเน้น การออกแบบและพัฒนาระบบขับเคลื่อนต่อพ่วงอุปกรณ์ทางการเกษตรโดยใช้เทคโนโลยี RFID เพื่อศึกษาการเคลื่อนที่ของระบบบนพื้นผิวที่แตกต่างกัน ได้แก่ พื้นปูนคอนกรีตและสนามหญ้า โดยมีการติดตั้งแท็ก RFID บนเสาของแต่ละแถวเพื่อช่วยระบุตำแหน่งและทิศทางการเคลื่อนที่ของระบบ ผลการศึกษานี้จะช่วยให้เข้าใจข้อดีและข้อจำกัดของการใช้ RFID ในภาคการเกษตร ซึ่งสามารถนำไปต่อยอดเพื่อพัฒนาเทคโนโลยีการเกษตรให้มีประสิทธิภาพและลดต้นทุนในอนาคต
คณะวิศวกรรมศาสตร์
This thesis project was conducted to identify the optimal conditions for producing concentrated butterfly pea juice using vacuum evaporation to preserve key compounds in butterfly pea flowers, such as anthocyanins—natural pigments with high antioxidant properties. The study applies a Box-Behnken Design, a statistical method that facilitates analysis of multiple factors. The research focuses on the ratio of dried butterfly pea flowers to water, extraction temperature, and evaporation temperature, each of which has a direct effect on the preservation of key compounds, color, aroma, and flavor. The results indicate that using a dried flower-to-water ratio of 1:15, an extraction temperature of 60°C, and an evaporation temperature of 40°C under low pressure can minimize the loss of essential compounds and best retain the properties of the concentrated butterfly pea juice. Findings from this research provide a foundation for developing an industrial production process for concentrated butterfly pea juice and enhance the potential for creating new products from butterfly pea flowers.
คณะวิทยาศาสตร์
-
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