This research focuses on the design and development of a prototype Artificial Intelligence of Things (AIoT) system for monitoring and controlling irrigation using weather information. The system consists of four main components: 1) Weather Station – This component includes various sensors such as air temperature, relative humidity, wind speed, and sunlight duration, among others, to collect real-time weather data. 2) Controller Unit – This unit is equipped with machine learning algorithms or models to estimate the reference evapotranspiration (ETo) and calculate the plant’s water requirement by integrating the crop coefficient (Kc) with other plant-related data. This enables the system to determine the optimal irrigation amount based on plant needs automatically. 3) User Interface (UI) and Display – This section allows farmers or users to input relevant information, such as plant type, soil type, irrigation system type, number of water emitters, planting distance, and growth stages. It also provides a display for monitoring and interaction with the system. 4) Irrigation Unit – This component is responsible for controlling the water supply and managing the irrigation emitters to ensure efficient water distribution based on the calculated requirements.
การเปลี่ยนแปลงสภาพอากาศของโลกทวีความรุนแรงขึ้นอย่างต่อเนื่อง สถานการณ์ดังกล่าวส่งผลกระทบ โดยตรงต่อภาคการเกษตร โดยเฉพาะในประเทศไทยที่มีแนวโน้มเผชิญกับปัญหาการขาดแคลนน้ำและความ ผันผวนของปริมาณน้ำฝน ซึ่งส่งผลต่อทั้งปริมาณและคุณภาพของผลผลิตทางการเกษตรโดยตรง ทั้งนี้ การบริหารจัดการน้ำในภาคเกษตรกรรมของประเทศไทยยังคงเผชิญกับข้อจำกัดหลายประการ เกษตรกรส่วนใหญ่ยังคงพึ่งพาประสบการณ์ส่วนตัวในการให้น้ำพืช ซึ่งอาจนำไปสู่การใช้น้ำที่ไม่มีประสิทธิภาพ เช่น การให้น้ำมากเกินความจำเป็นหรือน้อยเกินไปจนส่งผลกระทบต่อผลผลิต หรืออาจนำไปสู่ปัญหา เช่น การแตกใบอ่อน การร่วงของดอก และมีผลผลิตที่ไม่ได้คุณภาพ (Togneri et al., 2023) ในขณะที่ข้อมูลทาง วิชาการที่สามารถช่วยให้การบริหารจัดการน้ำมีความแม่นยำขึ้น เช่น ค่าอัตราการใช้น้ำของพืชอ้างอิง (Evapotranspiration: ETo) และค่าสัมประสิทธิ์พืช (Kc) กลับเข้าถึงได้ยาก เนื่องจากมีความซับซ้อนในการ คำนวณ อีกทั้งข้อมูลที่มีอยู่มักเป็นข้อมูลเฉลี่ยรายจังหวัดซึ่งไม่สามารถนำไปใช้ได้อย่างมีประสิทธิภาพในระดับ ฟาร์ม โครงการนี้จึงมุ่งเน้นไปที่การพัฒนาระบบปัญญาประดิษฐ์สำหรับการติดตามและควบคุมการให้น้ำพืชอัจฉริยะ โดยอิงข้อมูลสภาพอากาศซึ่งจะช่วยแก้ไขข้อจำกัดของเกษตรกรไทยในการเข้าถึงข้อมูลที่ ถูกต้องและการบริหารจัดการน้ำที่แม่นยำ
คณะวิศวกรรมศาสตร์
Inventing robots for the TPA Robotics Competition Thailand Championship 2024, game “Rice Way, Thai Way to the International Way (HARVEST DAY)”
คณะอุตสาหกรรมอาหาร
This research aims to optimize the production process of gamma-aminobutyric acid (GABA) in fermented pineapple juice using probiotics and acetic acid bacteria (AAB), which are microorganisms with the potential to enhance GABA levels. This process has been developed to improve the nutritional value of fermented pineapple juice and to increase the economic value of Thai pineapples, which have long suffered from low market prices. This study focuses on determining the optimal conditions for GABA production by examining factors such as sugar content, pH levels, fermentation duration, and L-glutamate concentration, as well as the co-cultivation of probiotics and acetic acid bacteria. The experiments are conducted using controlled fermentation techniques, and the bioactive components of the fermented juice are analyzed with advanced instruments such as HPLC and GC-MS. The findings of this research are expected to contribute to the development of formulations and production processes for a high-GABA pineapple-based functional beverage. This product could offer health benefits such as stress reduction, cognitive function enhancement, and relaxation while also strengthening the potential of Thailand’s fermented food and beverage industry.
คณะวิศวกรรมศาสตร์
This project aims to develop a conceptual prototype of a weapon aiming system that simulates an anti-aircraft gun. Utilizing an optical camera, the system detects moving objects and calculates their trajectories in real time. The results are then used to control a motorized laser pointer with two degrees of freedom (DoF) of rotation, enabling it to aim at the predicted position of the target. Our system is built on the Raspberry Pi platform, employing machine vision software. The object motion tracking functionality was developed using the OpenCV library, based on color detection algorithms. Experimental results indicate that the system successfully detects the movement of a tennis ball at a rate of 30 frames per second (fps). The current phase involves designing and integratively testing the mechanical system for precise laser pointer position control. This project exemplifies the integration of knowledge in electronics (computer programming) and mechanical engineering (motor control).