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
คณะวิศวกรรมศาสตร์
The design and development of an electric locomotive for the TRRN Railway Challenge 2025 aims to enhance learning potential and apply various theories in practical settings. The focus is on developing the locomotive to pass various tests, including acceleration, automatic braking system, noise, vibration, energy consumption, and durability throughout the competition. Additionally, the project helps improve skills in writing engineering design reports, which enables students to develop their analytical and discussion abilities in order to successfully complete each test according to the competition rules.
คณะอุตสาหกรรมอาหาร
This study focuses on formula development and properties analysis of collagen-fortified kombucha jelly in terms of taste, appearance, and benefits to create a novel product that meets the needs of the health and beauty beverage market. Sensory testing was conducted to evaluate the quality and consumer satisfaction.
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.