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
ปัจจุบันแนวโน้มการเลี้ยงโคเนื้อและโคนมของประเทศไทยเพิ่มขึ้นอย่างต่อเนื่อง โดยในปี 2565 มีจำนวนโคเนื้อเพิ่มขึ้นเป็น 9,394,111 ตัวจาก 6,583,106 ตัวในปี 2554 และจำนวนโคนมเพิ่มขึ้นจาก 560,659 ตัว เป็น 812,235 ตัว (กรมปศุสัตว์, 2565) ทำให้ปัญหาการขาดแคลนพืชอาหารสัตว์ในฤดูแล้งทวีความรุนแรงยิ่งขึ้น การทำหญ้าหมัก (silage) เป็นการถนอมอาหารสัตว์ที่นิยมชนิดหนึ่ง โดยเป็นการนำพืชอาหารสัตว์ เช่น ต้นข้าวโพด ต้นข้าว ฟ่าง หญ้าหรือถั่วต่าง ๆ ที่เก็บเกี่ยวในขณะที่มีความชื้นพอเหมาะมาหมักเก็บไว้ในสภาพสุญญากาศ ซึ่งเป็นการถนอมพืชอาหารสัตว์ไว้ในสภาพหมักดอง เมื่อพืชอาหารสัตว์สด ๆเปลี่ยนสภาพเป็นหญ้าหมักแล้วจะสามารถอยู่ได้เป็นเวลานานโดยคุณค่าทางอาหารไม่เปลี่ยนแปลง (สายัณห์, 2547) ข้าวโพดหมักยังมีคุณสมบัติให้ผลผลิตและพลังงานสูงกว่าพืชอาหารสัตว์ส่วนใหญ่ การถนอมพืชอาหารสัตว์ ในรูปแบบของพืชหมัก (Silage) เป็นสิ่งจำเป็นในการเลี้ยงโคนมในปัจจุบัน เพื่อทดแทนการขาดแคลนอาหารหยาบคุณภาพดี สำหรับโคนมในช่วงฤดูแล้ง เป้าหมายหลักในการเก็บถนอมพืชอาหารสัตว์ คือ ทำให้พืชที่เก็บถนอมไว้นั้นยังมีคุณค่าทางอาหารใกล้เคียงกับของเดิมมากที่สุดหรือมีการสูญเสียน้อยที่สุดและสัตว์สามารถกินได้ดี และการเลือกใช้บรรจุภัณฑ์ที่เหมาะสมจะช่วยรักษาคุณภาพและสามารถป้องกันไม่ให้เกิดความเสียหายได้ ข้าวโพดหมักจึงเป็นพืชอาหารสัตว์ที่มีความสำคัญเป็นอย่างมาก ซึ่งการเลี้ยงโคนมต้องมีอาหารหยาบที่มีคุณภาพจะส่งผลให้คุณภาพน้ำนมมีสารอาหารที่สมบูรณ์ ดังนั้น การศึกษานี้จึงมุ่งศึกษาผลของความหนาบรรจุภัณฑ์ต่อคุณภาพข้าวโพดหมักอาหารสัตว์
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
The thesis artwork titled “The Red Mist” presents a narrative adapted from a short story of the same name by Assistant Professor Chatnarong Wisutkul in 2003. The story is set in a future world where people's greed and selfishness have led to a war, forcing them to rely on "breathing machines" to survive in the "red toxic mist." Phakin, a 15-year-old boy, embarks on a journey with a group of refugees. As they pass through abandoned cities, they encounter a boy without a breathing machine who has recently lost his father. Phakin decides to help him, despite objections from others. The boy tries to end his life by shutting off his breathing machine, and when Phakin intervenes to save him, he collapses from inhaling the toxic air. Witnessing Phakin's selfless act, the others are moved and join forces to save both of them. Phakin demonstrates that in difficult times, humans must cooperate and help each other rather than being divided and selfish.
คณะอุตสาหกรรมอาหาร
Banana Blossom Chips is a healthy snack rich in dietary fiber, antioxidants, and plant-based protein. It is a result of combining local Thai ingredients: banana blossoms, which are high in dietary fiber and antioxidants, chickpea flour, a source of plant-based protein, and red jasmine brown rice, which has a low GI value and high antioxidants. It is processed to create crispiness and a unique shape, reduces fat, is gluten-free, and helps maintain nutritional value. Therefore, it is a new alternative for health-conscious consumers and adds value to Thai agricultural products.
คณะวิทยาศาสตร์
With the development of space technology, wide-field sky surveys using telescopes have expanded the range of new data available for time-domain astronomical research. Traditional data analysis methods can no longer respond quickly and accurately enough to the growing volume of data. Thus, classifying time-series data, such as light curves, has become a significant challenge in the era of big data. In modern times, analyzing light curves has become essential for using machine learning techniques to handle and filter through massive amounts of data. Machine learning algorithms can be divided into two categories: shallow learning and deep learning. Numerous researchers have proposed and developed a variety of algorithms for light curve classification. In this study, we experimented with Support Vector Machine (SVM) and XGBoost, which are shallow machine learning algorithms, as well as 1D-CNN and Long Short-Term Memory (LSTM), which are deep learning algorithms, which are branches of deep machine learning, to classify variable stars. The training and testing data used in this study were from the Optical Gravitational Lensing Experiment-III (OGLE-III), consisting of variable star data from the Large Magellanic Cloud (LMC), categorized into five main classes: Classical Cepheids, δ Scutis, eclipsing binaries, RR Lyrae stars, and Long-period variables. The results demonstrate the performance analysis of each machine learning algorithm type applied to light curve data, while also highlighting the accuracy and statistical metrics of the algorithms used in the experiments.