A smartphone-based colorimetric sensor for quantitative detection of pyridoxine (Vitamin B6, VB-6) in functional drink samples has been realized by developing double layer hydrogel. Electrostatic interaction initiates the cross-linking and produces double layer hydrogel.
จากสภาพการทำงานและการใช้ชีวิตของมนุษย์ในปัจจุบัน ที่มีความกดดัน เคร่งเครียด ต้องทำงานแข่งกับเวลา ส่งผลให้ผู้คนเริ่มมีปัญหาสุขภาพกันมากขึ้น เนื่องจากขาดการดูแลตัวเองที่ดี การอดอาหาร ตลอดจนการรับประทานอาหารที่ไม่ถูกหลักโภชนาการ เพื่อตอบสนองต่อสังคมที่เร่งรีบ จึงทำให้ในปัจจุบันมีผลิตภัณฑ์เสริมอาหารได้ถูกผลิตขึ้นมาในหลายรูปแบบ ไม่ว่าจะเป็นอาหารเสริมในรูปแบบเม็ด หรือเครื่องดื่มที่มีการเสริมวิตามิน ซึ่งผลิตภัณฑ์เสริมอาหารเหล่านี้ มีจำหน่ายอย่างแพร่หลาย หาซื้อได้ง่ายตามร้านขายยา และร้านสะดวกซื้อต่างๆ จึงทำให้ผู้คนเริ่มให้ความนิยมในการรับประทานผลิตภัณฑ์เสริมอาหารเหล่านี้ หนึ่งในนั้นก็ คือ ผลิตภัณฑ์เสริมอาหารที่มีการเสริมวิตามินบี6 ประเทศไทยในปัจจุบันยังไม่มีข้อกำหนดในการควบคุมคุณภาพผลิตภัณฑ์อาหารเสริม และเครื่องดื่มเสริมวิตามิน ส่งผลให้มีผู้ประกอบการบางรายเติมสารอาหารหรือวิตามินในปริมาณที่ไม่ เป็นไปตามที่ระบุบนฉลาก ดังนั้นจึงมีความจำเป็นในการวิเคราะห์หาสารจำพวกวิตามินในผลิตภัตภัณฑ์เสริมอาหารเพื่อเป็นการควบคุมคุณภาพผลิตภัณฑ์ให้ได้มาตรฐาน และปลอดภัยต่อผู้บริโภค ด้วยเหตุผลข้างต้นนี้ จึงได้มีแนวคิดที่จะพัฒนาวิธีตรวจวัดเชิงสือย่างง่ายในการหาปริมาณวิตามินปี6 ในเครื่องดื่มเสริมวิตามินบี6 ที่สามารถวัดได้อย่างรวดเร็วและแม่นยำ โดยจะทำการสร้างเม็ดบีท ของเคอร์คูมินด้วยวิธี reverse sphenfication เพื่อใช้เป็นตัวรับรู้เชิงสี และใช้ร่วมกับการตรวจวัดด้วยการประมวลผลภาพถ่าย
คณะเทคโนโลยีสารสนเทศ
Facial Expression Recognition (FER) has attracted considerable attention in fields such as healthcare, customer service, and behavior analysis. However, challenges remain in developing a robust system capable of adapting to various environments and dynamic situations. In this study, the researchers introduced an Ensemble Learning approach to merge outputs from multiple models trained in specific conditions, allowing the system to retain old information while efficiently learning new data. This technique is advantageous in terms of training time and resource usage, as it reduces the need to retrain a new model entirely when faced with new conditions. Instead, new specialized models can be added to the Ensemble system with minimal resource requirements. The study explores two main approaches to Ensemble Learning: averaging outputs from dedicated models trained under specific scenarios and using Mixture of Experts (MoE), a technique that combines multiple models each specialized in different situations. Experimental results showed that Mixture of Experts (MoE) performs more effectively than the Averaging Ensemble method for emotion classification in all scenarios. The MoE system achieved an average accuracy of 84.41% on the CK+ dataset, 54.20% on Oulu-CASIA, and 61.66% on RAVDESS, surpassing the 71.64%, 44.99%, and 57.60% achieved by Averaging Ensemble in these datasets, respectively. These results demonstrate MoE’s ability to accurately select the model specialized for each specific scenario, enhancing the system’s capacity to handle more complex environments.
คณะอุตสาหกรรมอาหาร
Spent coffee grounds (SCGs) are waste from coffee drink process, which are rich of a varieties of nutrients. This research applied SCGs as ingredient in cracker. The optimized formula and process are studied as well as addition of different levels of SCGs were studied. It was found that addition of SCGs in cracker had hedonic score in high level from panels, especially panels who drink coffee. Moreover, it was observed that SCGs could increase nutrients especially carbohydrate and fiber to the product.
คณะวิศวกรรมศาสตร์
This project aims to develop an AI-powered system for detecting and classifying wall cracks using image processing. It identifies different crack types, assesses severity, and ensures accuracy across various image conditions. The goal is to support preventive maintenance by enabling early detection of structural issues, reducing repair costs, and improving safety.