This project presents the development of an automatic recycling machine for plastic bottles and cans, utilizing Machine Learning for packaging classification through image processing, integrated with smart sensor systems for quality inspection and operation control. The system connects to a Web Application for real-time monitoring and control. Once the packaging type is verified, the system automatically calculates the refund value and processes payment through e-wallet or issues cash vouchers. The system can be installed in public spaces to promote waste segregation at source, reduce contamination, and increase recycling efficiency. It also provides financial incentives to encourage public participation in waste management. This project demonstrates the potential of combining Machine Learning and smart sensor systems in developing accurate, convenient, and sustainable waste management solutions.
ปัจจุบันปัญหาขยะเป็นหนึ่งในปัญหาสิ่งแวดล้อมที่มีผลกระทบต่อทั้งมนุษย์และธรรมชาติ โดยเฉพาะอย่างยิ่งการจัดการขยะพลาสติกและกระป๋องที่ยังคงเป็นปัญหาหลักในการรีไซเคิล ขยะเหล่านี้มักจะถูกทิ้งในสถานที่ไม่เหมาะสม หรือถูกแยกประเภทผิด ทำให้กระบวนการรีไซเคิลไม่สามารถทำได้อย่างมีประสิทธิภาพและเต็มที่ นอกจากนี้การคัดแยกขยะจากต้นทางยังไม่เป็นที่นิยมและยังขาดระบบที่มีความสะดวกสบายและเข้าถึงง่ายสำหรับประชาชนทั่วไป ในปัจจุบันมีการพัฒนาเทคโนโลยีที่ช่วยในกระบวนการคัดแยกขยะ โดยเฉพาะการใช้ Machine Learning และระบบเซนเซอร์อัจฉริยะในการจำแนกประเภทบรรจุภัณฑ์ผ่านการประมวลผลภาพ ซึ่งมีศักยภาพในการเพิ่มประสิทธิภาพของกระบวนการคัดแยกขยะและลดข้อผิดพลาดจากการแยกประเภทขยะที่ไม่ถูกต้อง นอกจากนี้ยังสามารถสร้างแรงจูงใจให้ประชาชนมีส่วนร่วมในการจัดการขยะได้ผ่านการให้ผลตอบแทนทางการเงิน เช่น การจ่ายเงินผ่าน e-wallet หรือออกคูปองแลกเงินสด โครงงานนี้จึงมีความสำคัญในการนำเทคโนโลยี Machine Learning และระบบเซนเซอร์อัจฉริยะมาประยุกต์ใช้ในการพัฒนาระบบตู้รับซื้ออัตโนมัติที่สามารถคัดแยกและรีไซเคิลขวดพลาสติกและกระป๋องได้อย่างมีประสิทธิภาพและสะดวกสบาย สร้างแรงจูงใจในการรีไซเคิลและมีส่วนช่วยในการแก้ไขปัญหาขยะในระดับสาธารณะ
คณะวิศวกรรมศาสตร์
Currently, lithium batteries are widely used in electronic devices and electric vehicles, making the estimation of their State of Health (SOH) crucial. Accurate SOH estimation helps extend battery lifespan, reduce maintenance costs, and prevent safety issues such as overheating or explosions. This project aims to study and analyze mathematical models of batteries and develop SOH estimation techniques using Neural Networks to enhance accuracy and evaluation speed. The experiment involved collecting charge and discharge data from three lithium battery cells under controlled temperature conditions while maintaining a constant current. The current, voltage, and time data were recorded and analyzed to determine the battery capacity for each cycle. These data were then used to train a Neural Network model. The results demonstrated an effective method for predicting battery health status. The outcomes of this project can contribute to the development of a Battery Management System (BMS) that improves battery efficiency and longevity. Additionally, it provides a foundation for applying artificial intelligence techniques in the energy sector effectively.
วิทยาลัยนวัตกรรมการผลิตขั้นสูง
The research on improving the strength of solid electrolytes aims to enhance the properties of solid electrolyte materials produced from cement and additives that help develop the cement structure to generate electricity. The main components include sodium chloride (NaCl) and graphite, which contribute to the material’s ability to generate a weak electrical current. The objective is to develop an electricity-generating flooring material. This study involves preparing a mixture of cement, water, sodium chloride (NaCl), and graphite to enhance the material’s electrical conductivity. It is highly anticipated that this research will lead to the development of concrete flooring capable of generating electricity and can be further expanded for future applications.
คณะอุตสาหกรรมอาหาร
This study aims to investigate the co-fermentation process between lactic acid bacteria (LAB) and Saccharomyces cerevisiae in the production of sour beer, with a focus on its impact on product quality, including pH, organic acid content, sugar content, and sensory characteristics. In this experiment, selected LAB strains and S. cerevisiae were utilized under controlled fermentation conditions. The microbial ratio was optimized to enhance growth and the production of key compounds. The findings indicate that co-fermentation significantly reduces pH compared to fermentation with yeast alone. Furthermore, an increase in lactic acid was observed due to sugar consumption by LAB, contributing to the distinctive flavor profile of sour beer.