Durian is a crucial economic crop of Thailand and one of the most exported agricultural products in the world. However, producing high-quality durian requires maintaining the health of durian trees, ensuring they remain strong and disease-free to optimize productivity and minimize potential damage to both the tree and its fruit. Among the various diseases affecting durian, foliar diseases are among the most common and rapidly spreading, directly impacting tree growth and fruit quality. Therefore, monitoring and controlling leaf diseases is essential for preserving durian quality. This study aims to apply image analysis technology combined with artificial intelligence (AI) to classify diseases in durian leaves, enabling farmers to diagnose diseases independently without relying on experts. The classification includes three categories: healthy leaves (H), leaves infected with anthracnose (A), and leaves affected by algal spot (S). To develop the classification model, convolutional neural network (CNN) algorithms—ResNet-50, GoogleNet, and AlexNet—were employed. Experimental results indicate that the classification accuracy of ResNet-50, GoogleNet, and AlexNet is 93.57%, 93.95%, and 68.69%, respectively.
ทุเรียนเป็นพืชเศรษฐกิจที่มีบทบาทสำคัญต่อประเทศไทยในหลายมิติ ทั้งในด้านเศรษฐกิจ การเกษตร และการท่องเที่ยว โดยประเทศไทยเป็นหนึ่งในผู้ผลิตและส่งออกทุเรียนรายใหญ่ของโลก การรักษาคุณภาพของทุเรียนจึงเป็นปัจจัยสำคัญในการรักษาความสามารถในการแข่งขันในตลาดโลก อย่างไรก็ตาม การผลิตทุเรียนให้มีคุณภาพสูงและให้ผลผลิตที่ดีนั้น จำเป็นต้องอาศัยการดูแลรักษาต้นทุเรียนให้แข็งแรงและมีความต้านทานต่อโรคได้อย่างมีประสิทธิภาพ โรคพืชเป็นหนึ่งในปัจจัยสำคัญที่ส่งผลกระทบต่อผลผลิตของทุเรียน ซึ่งอาจเกิดจากปัจจัยแวดล้อม เช่น สภาพดิน น้ำ อากาศ รวมถึงการติดเชื้อจากเชื้อรา แบคทีเรีย และไวรัส โรคโลกที่เกิดได้ง่ายและพบเห็นได้มากที่สุดคือโรคทางใบ เนื่องจากใบมีบทบาทสำคัญต่อกระบวนการสังเคราะห์แสง ซึ่งมีผลต่อการเจริญเติบโตของต้นและคุณภาพของผลผลิต หากไม่มีการตรวจสอบและควบคุมโรคทางใบอย่างเหมาะสม อาจส่งผลให้ผลผลิตลดลง ต้นทุเรียนอ่อนแอ และเพิ่มความเสี่ยงต่อการระบาดของโรคในสวน ปัจจุบันการตรวจสอบและวินิจฉัยโรคในใบทุเรียนยังคงต้องอาศัยผู้เชี่ยวชาญด้านพืช ซึ่งอาจมีข้อจำกัดทั้งในด้านจำนวนบุคลากรและเวลาในการตรวจสอบแปลงปลูกขนาดใหญ่ การนำเทคโนโลยีภาพถ่ายและปัญญาประดิษฐ์ (Artificial Intelligence: AI) มาประยุกต์ใช้ในการจำแนกและวินิจฉัยโรคทางใบ จึงเป็นแนวทางในการช่วยเกษตรกรให้สามารถวิเคราะห์และวินิจฉัยโรคได้ด้วยตนเอง ลดความจำเป็นในการพึ่งพาผู้เชี่ยวชาญ และสามารถดำเนินการควบคุมโรคได้อย่างทันท่วงที ด้วยเหตุนี้งานวิจัยนี้จึงมุ่งเน้นไปที่การพัฒนาแบบจำลองการตรวจสอบโรคในใบทุเรียนโดยใช้เทคโนโลยีปัญญาประดิษฐ์ร่วมกับอัลกอริทึมการเรียนรู้เชิงลึก (Deep Learning) เพื่อจำแนกประเภทของโรคที่เกิดขึ้นในใบ โดยมีเป้าหมายเพื่อช่วยเพิ่มประสิทธิภาพในการตรวจสอบโรค ลดต้นทุนและเวลาในการวินิจฉัยโรค และสนับสนุนเกษตรกรให้สามารถบริหารจัดการสวนทุเรียนได้อย่างมีประสิทธิภาพและยั่งยืน
คณะเทคโนโลยีสารสนเทศ
Traditional methods of public relations and learning often lack engagement and fail to provide users with a deep and immersive experience. Additionally, these methods struggle to reach a wide audience, especially those unable to visit the physical location. This project aims to solve the issues of accessibility and awareness regarding the institution’s Chalermphrakiat Hall and historical exhibition. Utilizing metaverse technology to simulate important locations allows users to explore the site and view key information in a virtual format, thereby enhancing the engagement of students staff alumni and the general public. The metaverse system is developed using Unity, a powerful game engine capable of supporting the creation of metaverse environments. This allows for the creation of an interactive and realistic virtual space. Unity also supports the management of physics, lighting, and sound, further enhancing realism. Additionally, the system is integrated with web browsers using WebGL technology, enabling the project developed in Unity to be accessed directly through a browser. Users can visit and interact with the metaverse environment from anywhere without the need to install additional software. The developers have thus created the metaverse system to provide a realistic and engaging learning experience, enhancing public relations efforts and fostering a strong connection with the institution efficiently.
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
When it comes to the general perception of death, it is often seen as something negative or inauspicious. However, the end or death of someone can sometimes be the beginning of change, influencing thoughts, lifestyles, and attitudes in a positive way for those around them. For students aged 13-18, accessing and understanding this topic remains a challenge. Most available information is often presented in complex forms that are difficult for young people to grasp. Moreover, teaching materials in schools often lack creativity and engagement, leading to a decline in students’ interest in this subject. To address this issue, a website has been designed as an accessible and creative resource. It aims to deepen young people's understanding of the impact of actions and the death of individuals on the world they live in, while inspiring them to become part of creating positive change for the future.
คณะวิศวกรรมศาสตร์
SecurionSphere is the penetration testing learning platform that focuses on web application exploitation. This platform is intended to address concerns seen in existing penetration testing platforms, such as resource sharing that may affect other users and the constant environment configuration the permits the same response leading to copy the answer from others. Supervisors can use templates to address various forms of web application vulnerability threats. Users can generate the instance of supervisor's templates machine. The platform also randomly generates the environment configuration for each machine has the difference environment and the answer. This allows the users get more realistic learning experiences without affecting the resources of others.