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
วิทยาลัยนวัตกรรมการผลิตขั้นสูง
Smart Agriculture has rapidly developed in recent years, particularly with the integration of robotics and automation technologies to improve production efficiency and reduce costs, thereby enhancing the quality of current agricultural practices. A key innovation in this area is the rail-based robotic arm, designed to enhance work efficiency using a rail system with high precision and effectiveness. The application of this robotic arm covers various processes, such as planting, sorting, maintenance, harvesting, and resource management, allowing continuous operation and reducing human labor in repetitive and high-risk tasks. Studies have shown that the use of rail-based robotic arms in agriculture can significantly improve work efficiency, reduce production costs, and effectively mitigate environmental impact. By using robots in agricultural processes, it is possible to reduce contamination, lower the risk of crop damage, and make agriculture more sustainable. Additionally, it can increase accuracy in operations on limited spaces or farms with diverse crops. From these findings, it can be concluded that adopting rail-based robotic arm technology in agriculture not only enhances long-term production efficiency but also promotes sustainable agriculture and maximizes resource use, meeting future agricultural demands
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
คณะบริหารธุรกิจ
This research aimed to develop the mixed tea from longan peels and seeds. Population studied were longan farmers who planted longan and preserved the longan product in Ampur Wang Nam Yen, Sa Kaeo Province. From the results, it was found that from By-product in the production of dehydrated longan, longan peels and seeds, which can be processed into ready-to-drink powdered tea. This not only helps reduce waste from the production process but also contributes to generating additional income from these by-products.