This study aimed to develop a website for collecting and organizing data on Young Smart Farmers in Chanthaburi Province. Data were collected through structured interviews with a sample of 30 participants. The information obtained was categorized and utilized to develop the website, which was subsequently disseminated to farmers and other stakeholders. The study also assessed user satisfaction with the website through a questionnaire, with data analyzed using descriptive statistics, including frequency, percentage, mean, and standard deviation.The results indicated that the sample comprised an equal proportion of male and female participants, with the majority (50.00%) aged between 36 and 40 years. Most respondents were Young Smart Farmers from the districts of Khlung, Laem Sing, and Kaeng Hang Maeo, each representing 13.33% of the sample. The majority of participants had attained a bachelor’s degree or equivalent (60.00%) and were primarily engaged in agricultural occupations (73.33%). The findings on user satisfaction with the website revealed a high level of satisfaction across all dimensions, ranked as follows 1) Website usability (Mean 4.97), 2) Overall satisfaction (Mean 4.93), 3) Content quality (Mean 4.91), 4) Practical benefits and applicability (Mean 4.87), and 5) Design and layout (Mean 4.85).
ภาคการเกษตรมีบทบาทสำคัญในการพัฒนาประเทศไทย จากรายงานพบว่า ในปี 2566 ประเทศไทยได้ส่งออกสินค้าเกษตรมูลค่ากว่า 284,561.80 ล้านเหรียญสหรัฐ คิดเป็น 17.30% ของรายการสินค้าส่งออกทั้งหมด (Office of Trade Policy and Strategy, 2024) ประเทศไทยมีพื้นที่เกษตรกรรม 149.25 ล้านไร่ คิดเป็น 32.60% ของพื้นที่ทั้งหมด ซึ่งสร้างงานและสร้างรายได้ให้กับเกษตรกรและผู้ประกอบการ อีกทั้งมีบทบาทสำคัญต่อการพัฒนาเศรษฐกิจโดยรวมของประเทศ อย่างไรก็ตามปัจจุบันภาคการเกษตรของไทยต้องเผชิญปัญหาหลากหลายรูปแบบ หนึ่งในนั้นคือ เกษตรไม่สามารถเข้าถึงข้อมูลข่าวสารที่จำเป็นในการทำการเกษตร (Ministry of Agriculture and Cooperatives, 2017) ทำให้เกษตรกรขาดความรู้ในการพัฒนาการผลิต ขาดความรู้ทางช่องทางการตลาด การสร้างมูลค่าเพิ่มของสินค้าเกษตร และปัญหาคนรุ่นใหม่ที่สนใจการทำเกษตรน้อยลง ส่งผลให้แรงงานภาคการเกษตรลดน้อยลง จากข้อมูลจากการสำมะโนการเกษตร พบว่าผู้ถือครองทำการเกษตรส่วนใหญ่มีอายุตั้งแต่ 35.00 ปีขึ้นไป และผู้ถือครองในช่วงอายุ 35.00-44.00 ปี มีแนวโน้มลดลงอย่างต่อเนื่อง จากร้อยละ 26.80 ในปี 2546 เป็นร้อยละ 18.40 ในปี 2556 ส่วนในกลุ่มผู้สูงอายุ 65.00 ปีขึ้นไป กลับมีแนวโน้มเพิ่มขึ้น จากร้อยละ 13.10 เป็นร้อยละ 18.50 ในปี 2556 (National Farmers Council, 2018) กรมส่งเสริมการเกษตรจึงมีแนวทางในการแก้ไขปัญหาโดยได้จัดทำแผนยุทธศาสตร์ส่งเสริมการเกษตร ระยะ 20 ปี (พ.ศ. 2560-2579) และแผนปฏิบัติงาน ระยะ 5 ปี (พ.ศ. 2560 - 2564) เพื่อเป็นการวางรากฐานการพัฒนาระยะยาวอันนำไปสู่การพัฒนาและแก้ไขปัญหาอย่างเป็นระบบ กรมส่งเสริมการเกษตรจึงมีการกำหนดประเด็นยุทธศาสตร์เพื่อส่งเสริมความมั่นคงในอาชีพของเกษตรกรและองค์กรเกษตรกร โดยการส่งเสริมและพัฒนาเกษตรกรรุ่นใหม่ให้เป็น Young Smart Farmer เริ่มตั้งแต่ พ.ศ. 2557 มีเป้าหมายหลักในการพัฒนาเกษตรกรให้มีความสามารถด้านการเกษตร ทดแทนเกษตรกรผู้สูงอายุและสร้างแรงจูงใจให้คนรุ่นใหม่หันมาประกอบอาชีพ 2 เกษตรกรรม (Department of Agricultural Extension, 2017) โดยการขับเคลื่อนพัฒนาเกษตรกรรุ่นใหม่ในปี 2564 โดยใช้งบประมาณ 15.16 ล้านบาท และได้กำหนดการพัฒนาเกษตรกรรุ่นใหม่ในปี 2565 โดยใช้งบประมาณ 21.39 ล้านบาท (Office of the Secretary of the Department of Agricultural Extension, 2020) ซึ่งปัจจุบันมีเกษตรกรรุ่นใหม่เข้าร่วมโครงการและผ่านการประเมินเป็น Young Smart Farmer ทั่วประเทศ จำนวน 23,411 ราย (Khao Khitchakut District Agriculture Office Chanthaburi Province, 2023) ซึ่งในจังหวัดจันทบุรีมี Young Smart Farmer ที่มีความสามารถและความรู้ในด้านต่างๆ ที่ไม่เพียงแต่มีทักษะในการทำการเกษตรเท่านั้น แต่ยังได้รับการยอมรับจากทั้งภาครัฐและเอกชนในระดับประเทศ เนื่องจากการทำงานที่มีความตั้งใจในการสร้างความยั่งยืนให้กับการเกษตรในท้องถิ่น Young Smart Farmer หลายรายได้พัฒนาผลิตภัณฑ์ที่มีคุณภาพสูง และเป็นสินค้าที่มีเอกลักษณ์ของตนเอง เช่น ผลไม้ที่ปลูกด้วยวิธีการเกษตรอินทรีย์หรือผลิตภัณฑ์จากการแปรรูปทางการเกษตรที่ได้รับการยอมรับในตลาด แต่สิ่งที่ยังขาดอยู่ในขณะนี้คือการรวบรวมข้อมูลต่าง ๆ ของ Young Smart Farmer แต่ละรายเข้าด้วยกัน เนื่องจากเกษตรกรแต่ละรายต่างก็มีการดำเนินงานและพัฒนาผลผลิตของตนเองอย่างเป็นอิสระและแยกจากกัน โดยไม่มีการเชื่อมโยงหรือแบ่งปันข้อมูลในระดับกว้าง จากสภาพปัญหาและประเด็นยุทธศาสตร์ดังกล่าว การมีแพลตฟอร์มกลางหรือฐานข้อมูลที่รวบรวมข้อมูลของ Young Smart Farmer ในจังหวัดจันทบุรีจึงมีความสำคัญอย่างยิ่ง เพื่อให้เกษตรกรได้เข้าถึงข้อมูลข่าวสารต่าง ๆ มากยิ่งขึ้น ดังนั้นผู้วิจัยจึงได้พัฒนาเว็บไซต์ Young Smart Farmer Chanthaburi ขึ้นมาเพื่อรวบรวมและนำเสนอข้อมูลเกี่ยวกับเกษตรกร Young Smart Farmer จังหวัดจันทบุรี เพื่อให้การส่งเสริมและประชาสัมพันธ์ข้อมูลเกี่ยวกับ Young Smart Farmer จังหวัดจันทบุรี เป็นไปได้อย่างมีประสิทธิภาพมากยิ่งขึ้น ซึ่งเว็บไซต์ที่พัฒนาขึ้นสามารถนำไปใช้เป็นต้นแบบในการนำไปพัฒนาเว็บไซต์ในการส่งเสริมกิจกรรมทางการเกษตรในพื้นที่อื่น ๆ เพื่อให้เกิดประโยชน์ต่อเกษตรกรและงานส่งเสริมการเกษตรต่อไปในอนาคต
คณะวิศวกรรมศาสตร์
The evaluation of mango yield and consumer behavior reflects an increasing awareness of product origins, with a growing demand for traceability to understand how the produce has been cultivated and managed. This study explores the relationship between mango characteristics and cultivation practices before harvest, using location identification to provide insights into these processes. To achieve this, a model was developed to detect and locate mangoes using 2D images via a Deep Learning approach. The study also investigates techniques to determine the real-world coordinates of mangoes from 2D images. The YOLOv8 model was employed for object detection, integrated with camera calibration and triangulation techniques to estimate the 3D positions of detected mangoes. Experiments involved 125 trials with randomized mango positions and camera placements at varying yaw and pitch angles. Parameters extracted from sequential images were compared to derive the actual 3D positions of the mangoes. The YOLOv8 model demonstrated high performance with prediction metrics of Precision (0.928), Recall (0.901), mAP50 (0.965), mAP50-95 (0.785), and F1-Score (0.914). These results indicate sufficient accuracy for predicting mango positions, with an average positional error of approximately 38 centimeters.
คณะวิศวกรรมศาสตร์
Stirling engine is the external heated engine that heat is sup-plied externally to the heater part of the engine. Thus, Stirling cycle engine can be employed with various sources of renewable energy such as biomass, biofuel, solar energy, geothermal energy, recovery heat, and waste. The integration of gasifier, burner, and heat engine as a power system offers more fuel choices of each local area with potential resources resulting independent from shortage and cost fluctuation of fossil fuel. This research aims to investigate the integration of the Stirling engine with a wood pellet gasifier for electric power generation. Biomass can be controlled to have continuously combustion with ultra-low toxic emission. Stirling engine, therefore, is a promising alternative in small-scale-electricity production. Even though many biomass-powered Stirling engines were successfully constructed and marketed but these engines and the use of biomass resources as fuel for power generation are quite new concepts in some developing countries. Especially, the capital cost of this engine is high and unaffordable for installation compared to other power systems. Therefore, this research aims to the study attractive and feasibility of the compact Stirling engine with green energy.
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