This project objectives are 1) investigate the utilization of coconut husk and rubber latex in construction applications, 2) determine the optimal ratio of coconut husk and rubber latex mixtures, and 3) test the properties of ceiling panels made from coconut husk and rubber latex composite under Thai Industrial Standard (TIS) 219-2552 for gypsum ceiling boards. The methodology involves the following steps: 1) planning the project, 2) designing the mixture for the coconut husk and rubber latex composite ceiling panels, 3) producing the composite ceiling panels, 4) testing the product for properties according to TIS 219-2552 for gypsum ceiling boards, and 5) summarizing the test results.
ประเทศไทยเป็นประเทศเกษตรกรรมที่มีการปลูกมะพร้าวและยางพาราอย่างแพร่หลาย ส่งผลให้มีเศษวัสดุเหลือทิ้งจากการแปรรูปมะพร้าว เช่น ขุยมะพร้าว และน้ำยางธรรมชาติที่สามารถนำมาใช้ประโยชน์ได้ ขุยมะพร้าวเป็นวัสดุธรรมชาติที่ไม่มีสารพิษ มีน้ำหนักเบา ทนทานต่อสภาพอากาศ และมีค่าการนำความร้อนต่ำ ส่วนน้ำยางธรรมชาติเป็นวัสดุที่มีความยืดหยุ่นและเป็นมิตรต่อสิ่งแวดล้อม การนำวัสดุเหล่านี้มาผสมผสานเพื่อผลิตแผ่นฝ้าเพดานที่มีสมบัติเป็นฉนวนป้องกันความร้อน จึงเป็นแนวทางที่สามารถช่วยลดขยะทางการเกษตร และพัฒนาเป็นวัสดุก่อสร้างที่มีคุณสมบัติเป็นฉนวนกันความร้อน ซึ่งสามารถช่วยลดอุณหภูมิภายในอาคารได้ ปัจจุบันวัสดุที่ใช้ในการผลิตแผ่นฝ้าเพดานมักเป็นเส้นใยสังเคราะห์หรือวัสดุที่นำเข้าจากต่างประเทศ ซึ่งมีต้นทุนสูงและอาจมีผลกระทบต่อสุขภาพของผู้ใช้งาน การพัฒนาแผ่นฝ้าเพดานจากขุยมะพร้าวผสมน้ำยางธรรมชาติ ไม่เพียงแต่ช่วยลดปริมาณขยะจากการเกษตร แต่ยังเป็นการใช้ทรัพยากรที่มีอยู่ในประเทศอย่างคุ้มค่า นอกจากนี้ การใช้วัสดุธรรมชาติยังช่วยลดการพึ่งพาวัสดุนำเข้า ลดต้นทุนการผลิต และส่งเสริมการใช้วัสดุที่เป็นมิตรต่อสิ่งแวดล้อม ซึ่งสอดคล้องกับแนวคิดการพัฒนาที่ยั่งยืนและการอนุรักษ์สิ่งแวดล้อม ดังนั้น การศึกษาวิจัยและพัฒนาแผ่นฝ้าผสมขุยมะพร้าวและน้ำยางพาราที่มีสมบัติเป็นฉนวนป้องกันความร้อน จึงมีความสำคัญทั้งในด้านการอนุรักษ์สิ่งแวดล้อม การใช้ทรัพยากรอย่างคุ้มค่า และการพัฒนาอุตสาหกรรมก่อสร้างที่ยั่งยืนในอนาคต
คณะเทคโนโลยีการเกษตร
-
วิทยาเขตชุมพรเขตรอุดมศักดิ์
Durian is an important economic crop in Thailand that is affected by foliar diseases such as rust, leaf blight, and leaf spot. These diseases reduce the quality of the yield and increase management costs. This research focuses on developing AI software for screening durian leaf diseases by applying deep learning technology to classify different types of leaf lesions.
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