This project aims to design and develop an electric tuk-tuk by converting the traditional combustion engine system to an electric system, supporting the reduction of air pollution and promoting sustainable automotive technology. The electric tuk-tuk is designed using a BLDC electric motor and a control system specifically adapted for the unique driving style of three-wheeled vehicles in Thailand. The study considers suitable energy systems and includes interviews with traditional tuk-tuk drivers to ensure the vehicle meets everyday usability needs. The findings suggest that adopting electric tuk-tuks not only reduces emissions and PM2.5 particulate matter but also enhances an eco-friendly image for Thailand’s tourism sector while supporting domestic innovation and economic growth.
ในช่วงไม่กี่ทศวรรษที่ผ่านมาปัญหาสิ่งแวดล้อมได้รับความสนใจอย่างมากจากทั่วโลก โดยเฉพาะในประเทศไทยที่เผชิญกับปัญหามลพิษทางอากาศอย่างรุนแรง ซึ่งเป็นหนึ่งในวิกฤตสำคัญของเมืองใหญ่เช่นกรุงเทพฯ ที่ค่าฝุ่น PM2.5 สูงถึง 27.4ไมโครกรัมต่อลูกบาศก์เมตร หรือเกินมาตรฐานขององค์การอนามัยโลก (WHO) ถึง 5 เท่า สาเหตุหลักของปัญหานี้มาจากยานพาหนะที่ใช้เครื่องยนต์สันดาปภายใน(ICE) โดยเฉพาะในยานพาหนะที่ใช้เชื้อเพลิงฟอสซิลซึ่งปล่อยทั้งก๊าซคาร์บอนไดออกไซด์(CO2) คาร์บอนมอนอกไซด์ (CO) และฝุ่น PM2.5 ซึ่งล้วนแต่ส่งผลกระทบต่อคุณภาพอากาศและสุขภาพของประชาชนรถตุ๊กตุ๊กซึ่งเป็นเอกลักษณ์ของไทยและเป็นที่นิยมในหมู่นักท่องเที่ยวเป็นอีกหนึ่งยานพาหนะที่ใช้งานมาอย่างยาวนานและมักใช้เครื่องยนต์สันดาปที่มีประสิทธิภาพต่ำ ทำให้ปล่อยมลพิษสูงกว่ายานพาหนะที่ใช้เทคโนโลยีใหม่ ดังนั้นการพัฒนารถตุ๊กตุ๊กไฟฟ้าจึงมีความสำคัญเพื่อลดการปล่อยมลพิษ ควบคู่ไปกับการรักษาเอกลักษณ์ของไทยให้คงอยู่ การเปลี่ยนรถตุ๊กตุ๊กจากเครื่องยนต์สันดาปเป็นรถไฟฟ้าจะช่วยลดการปล่อยก๊าซเรือนกระจกได้อย่างมาก โดยหากตุ๊กตุ๊กเปลี่ยนมาเป็นรถไฟฟ้าจะลดการปล่อยก๊าซเรือนกระจกจากเดิม 6.2 ตันต่อปีเหลือเพียง2 ตันต่อปี หรือคิดเป็นการลดลงถึง 67% ซึ่งสอดคล้องกับนโยบายของรัฐบาลไทยที่ตั้งเป้าลดการปล่อยก๊าซเรือนกระจกให้ได้ 20-25% ภายในปี 2573 ตามข้อตกลงปารีส (Paris Agreement) นอกจากนี้รถตุ๊กตุ๊กไฟฟ้ายังมีค่าใช้จ่ายในการบำรุงรักษาต่ำกว่ารถที่ใช้เครื่องยนต์เชื้อเพลิง เพราะไม่มีเครื่องยนต์สันดาปที่ซับซ้อนช่วยให้เจ้าของรถประหยัดค่าใช้จ่ายในระยะยาว อีกทั้งยังช่วยเสริมสร้างภาพลักษณ์ด้านสิ่งแวดล้อมให้แก่ประเทศไทย สนับสนุนการท่องเที่ยวที่เป็นมิตรต่อสิ่งแวดล้อม และเพิ่มโอกาสในการพัฒนาเทคโนโลยีในประเทศซึ่งนอกจากจะเป็นการรักษาสิ่งแวดล้อมแล้วยังสร้างโอกาสใหม่ๆในด้านเศรษฐกิจและการท่องเที่ยวอย่างยั่งยืน
คณะศิลปศาสตร์
As a value-added product of locally sourced fruits in Phang Nga, stevia-sweetened jelly offers a healthy and sustainable option for consumers seeking reduced sugar intake. This product has the potential to become a popular souvenir, promoting local agriculture and boosting the regional economy.
คณะวิทยาศาสตร์
Currently, climate change and human activities are causing rapid deterioration of coral reefs worldwide. Monitoring coral health is essential for marine ecosystem conservation. This project focuses on developing an Artificial Intelligence (AI) model to classify coral health into four categories: Healthy, Bleached, Pale, and Dead using Deep Learning techniques. With pre-trained convolutional neural network (CNN) for image classification. To improve accuracy and mitigate overfitting, 5-fold Cross-Validation is employed during training, and the best-performing model is saved. The results of this project can be applied to monitor coral reef conditions and assist marine scientists in analyzing coral health more efficiently and accurately. This contributes to better conservation planning for marine ecosystems in the future.
คณะวิศวกรรมศาสตร์
The Thai Sign Language Generation System aims to create a comprehensive 3D modeling and animation platform that translates Thai sentences into dynamic and accurate representations of Thai Sign Language (TSL) gestures. This project enhances communication for the Thai deaf community by leveraging a landmark-based approach using a Vector Quantized Variational Autoencoder (VQVAE) and a Large Language Model (LLM) for sign language generation. The system first trains a VQVAE encoder using landmark data extracted from sign videos, allowing it to learn compact latent representations of TSL gestures. These encoded representations are then used to generate additional landmark-based sign sequences, effectively expanding the training dataset using the BigSign ThaiPBS dataset. Once the dataset is augmented, an LLM is trained to output accurate landmark sequences from Thai text inputs, which are then used to animate a 3D model in Blender, ensuring fluid and natural TSL gestures. The project is implemented using Python, incorporating MediaPipe for landmark extraction, OpenCV for real-time image processing, and Blender’s Python API for 3D animation. By integrating AI, VQVAE-based encoding, and LLM-driven landmark generation, this system aspires to bridge the communication gap between written Thai text and expressive TSL gestures, providing the Thai deaf community with an interactive, real-time sign language animation platform.