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
คณะเทคโนโลยีการเกษตร
Climate change and the increasing unpredictability of environmental conditions have aggravated the shortage of animal feed crops during the dry season. This study examines effect of packaging thickness on the quality of corn silage during long-term storage, to maintain its nutritional value during feed shortages. The results show that packaging with thicknesses of 80, 120, 150, and 200 microns effectively maintain good physical quality, including odor, texture, color, and pH levels, during the 0–21day storage period. The silage had a fermented like fruit flavor or vinegar flavor, a silage texture, and well-preserved leaves and stems. Its color remained yellowish-green, with pH values between 3.7 and 4.7. Additionally, lactic acid analysis found that silage in 200-micron-thick packaging for 21 days had the highest lactic acid content (5.64%). However, there were no significant differences in the nutritional value of the silage across different packaging thicknesses
คณะวิทยาศาสตร์
Air pollution, particularly PM2.5, is a major environmental and public health concern in Bangkok. Instead of predicting PM2.5 levels, this project aims to identify the most significant factors influencing PM2.5 concentration. By analyzing historical air quality, weather, and other environmental data, we will determine which variables—such as temperature, humidity, wind speed, or other pollutants—have the greatest impact on PM2.5 fluctuations.
คณะวิศวกรรมศาสตร์
The project uses artificial intelligence (AI) and deep learning to develop a smart police system (Smart Police) to analyze the identity of individuals and vehicles suspected of involvement in crimes. The system uses CCTV cameras to detect people with concealed weapons and track vehicles involved in crimes. The system also sends alerts to the police when a crime is detected. The Smart Police system is a collaboration between the Faculty of Engineering, King Mongkut's Institute of Technology Ladkrabang, the Provincial Police Region 2, the Chachoengsao Foundation for Development, and the Smart City Office of Chachoengsao Province. The system is designed to prevent and deter crime, increase public safety and order, and build a network of cooperation between the government, the private sector, and the community. The system is currently under development, but it has the potential to be a valuable tool for law enforcement. The system could help to reduce crime and improve public safety in Chachoengsao Province and other parts of Thailand.