This study aims to investigate the co-encapsulation technique of vitamin C and coenzyme Q10 within liposomes to enhance their stability and encapsulation efficiency and evaluate their antioxidant activity and release behavior under simulated gastrointestinal conditions. Liposomes were prepared using the High-Speed Homogenization Method, and their characteristics, including particle size, zeta potential, encapsulation efficiency, and antioxidant activity, were analyzed using DPPH, ABTS, and FRAP assays. The results demonstrated that co-encapsulation significantly improved the stability of vitamin C and coenzyme Q10 compared to single encapsulation. The liposomes exhibited high encapsulation efficiency and maintained strong antioxidant activity. The release profile under simulated gastrointestinal conditions also indicated a sustained and controlled release. These findings highlight the potential of the co-encapsulation technique in enhancing the efficacy of functional bioactive compounds, making it applicable to the food and nutraceutical industries.
ประเทศไทยกำลังก้าวเข้าสู่สังคมผู้สูงอายุ ทำให้เกิดความต้องการผลิตภัณฑ์ที่ช่วยเสริมสุขภาพ โดยเฉพาะสารต้านอนุมูลอิสระที่ช่วยป้องกันการเสื่อมของเซลล์ โคเอนไซม์คิวเท็น (CoQ10) เป็นสารสำคัญที่ช่วยผลิตพลังงานในเซลล์และมีบทบาทในการปกป้องเซลล์จากความเสียหาย โดยปกติโคเอนไซม์คิวเท็นเป็นสารที่ร่างกายสามารถผลิตเองได้แต่เมื่ออายุมากขึ้นจะทำให้การผลิตโคเอนไซม์คิวเท็นลดลง ส่วน วิตามินซี เป็นสารต้านอนุมูลอิสระที่ช่วยเสริมภูมิคุ้มกันและกระตุ้นการสร้างคอลลาเจน การห่อหุ้มร่วม (Co-encapsulation) ใน ลิโปโซม (Liposome) ช่วยเพิ่มเสถียรภาพของสารสำคัญ ป้องกันการเสื่อมสลายของสารสำคัญในระบบทางเดินอาหาร โดยลิโปโซมสามารถกักเก็บสารที่ละลายในน้ำและไขมันไว้ภายในโครงสร้างเดียวกัน นอกจากนี้ จากการศึกษายังพบว่าการใช้เทคนิคนี้สามารถเพิ่มประสิทธิภาพในการเก็บรักษาได้ ดังนั้น การวิจัยนี้จึงมีเป้าหมายเพื่อพัฒนาการห่อหุ้มร่วมของวิตามินซีและโคเอนไซม์คิวเท็น เพื่อเพิ่มประสิทธิภาพของสารทั้งสองในการดูแลสุขภาพและความงาม
คณะเทคโนโลยีการเกษตร
Capsicum chinense is a high-potential economic crop in the food and pharmaceutical industries due to its role as a primary source of capsaicin, a bioactive compound with significant physiological effects. However, capsaicin levels and fruit quality will be influenced by genetic factors, environmental conditions, and genetic-by-environment (G×E) interactions, leading to variability in capsaicin biosynthesis. This study will aim to analyze the impact of different environmental conditions on the growth, fruit quality, and capsaicin content of C. chinense ‘Scotch Bonnet’. The field experiments will be conducted at the demonstration plots of the Faculty of Agricultural Technology, King Mongkut’s Institute of Technology Ladkrabang, during two growing seasons: July–October (rainy season) and December–April (dry season). Four condition environments will be evaluated, and environmental parameters such as temperature, relative humidity, and light quality will be monitored to assess their effects on plant physiology and capsaicin biosynthesis. Additionally, an F1 hybrid breeding program will be established using six parental lines through a Half-diallel mating design, generating 15 hybrid combinations. The general combining ability (GCA) and specific combining ability (SCA) will be assessed to identify promising hybrid combinations with high and stable capsaicin content and yield. The findings from this study will be expected to provide valuable insights into optimizing cultivation conditions for high-pungency chili production and supporting the development of F1 hybrid seeds with commercial viability and consistent capsaicin levels.
คณะวิศวกรรมศาสตร์
This project focuses on the development of an automatic license plate recognition system that supports both standard and special license plates in Thailand. By utilizing Machine Learning technology, the system enhances the efficiency of license plate reading. It can process data from both images and videos. Users can register and subscribe to the service, allowing them to send data for processing through RESTful API, WebSocket, and registered IP cameras.
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.