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
คณะวิทยาศาสตร์
This research focuses on the fabrication of graphene oxide (GO) composite membranes using the Phase-Inversion Method, which transforms polymers from liquid to solid through phase separation. This process creates a porous membrane structure, making it highly adaptable, cost-effective, and suitable for wastewater treatment, separation processes, and industrial filtration applications. Graphene oxide, with its nano-layered structure, offers excellent molecular sieving properties, high water permeability, and chemical and mechanical stability, making it an ideal additive for membrane fabrication. The GO-based membrane demonstrates efficient removal of nanoparticles, heavy metal ions (Pb²⁺, Cr⁶⁺, Hg²⁺), organic pollutants, and microorganisms while exhibiting antifouling properties and high hydrophilicity due to oxygen-functional groups. Applications of this membrane include industrial wastewater treatment, desalination, and the removal of pharmaceutical contaminants, such as antibiotics and hormones. The incorporation of GO enhances membrane performance, providing a sustainable and energy-efficient solution for water purification.
วิทยาลัยนวัตกรรมการผลิตขั้นสูง
Ultrasonic cleaning tank is a machine that many factories widely used to clean objects. At one factory, a problem occurred in the cleaning process, resulting in the factory not being able to clean objects, but cracks also appeared on some objects. It was anticipated that these were caused by uneven acoustics pressure distribution which resulted in unsuitable cavitation This directly affected cleaning performance within the tank. In order to improve the tank's efficacy, in this research, we use Harmonic Response Analysis in ANSYS simulate simulate the occurrence of acoustic pressure in the tank to find the appropriate conditions of factors affected the intensity and the distribution pattern of acoustic pressure in ultrasonic tank, including the position of object, power, ultrasonic frequency and a suitable type and placing position of the transducer for the tank. Reliability of the simulate results was validate by the actual result from the foil corrosion test and the ultrasonic power probe. We found that objects receive different pattern of corrosion at each location. When temperature increasing the intensity of cavitation was increased. When we increase the ultrasonic frequency, acoustic pressure that is evenly dispersed throughout the tank.
คณะอุตสาหกรรมอาหาร
The reuse of cooking oil in food preparation leads to oil degradation and the formation of harmful compounds due to oxidation. This study focuses on enhancing the stability of used palm oil through ultrasound-assisted infusion with three varieties of banana blossoms: Kluai Khai, Kluai Hom, and Kluai Nam Wa, which are rich in phenolic compounds and antioxidants. The research investigates the restoration of used palm oil by infusing dried and powdered banana blossoms using ultrasonic treatment at different temperatures and durations. The quality of the infused oil was evaluated through physical (water activity, moisture content, and color), chemical (peroxide value, acid value, and Thio barbituric acid reactive substances), and antioxidant activity (DPPH, ABTS, and FRAP) analyses.