This study investigated the effects of seed priming with Chaetomorpha sp. seaweed extract on seed germination and seedling growth of chili pepper. The objective was to examine the influence of seaweed extract concentrations on seed germination and seedling development. Seeds were primed in different concentrations of Chaetomorpha sp. extract, compared with a control treatment. The experiment was conducted using a completely randomized design with four replications. Results showed that seed priming with seaweed extract enhanced seed germination characteristics. Primed seeds exhibited improved germination percentage, germination index, and germination rate compared to the control. Additionally, seedlings from primed seeds showed enhanced root and shoot development. This study demonstrates the potential of Chaetomorpha sp. extract as a promising seed priming agent for improving chili pepper seed quality, which can be applied in the production of high-quality chili pepper seedlings.
พริก (Capsicum annuum L.) เป็นพืชเศรษฐกิจที่สำคัญของประเทศไทย มีการปลูกกระจายอยู่ทั่วทุกภูมิภาค และมีความต้องการของตลาดสูงทั้งเพื่อการบริโภคภายในประเทศและการส่งออก อย่างไรก็ตาม เกษตรกรผู้ปลูกพริกมักประสบปัญหาในขั้นตอนการเพาะกล้า โดยเฉพาะอย่างยิ่งปัญหาการงอกของเมล็ดที่ไม่สม่ำเสมอและความแข็งแรงของต้นกล้าที่ต่ำ ส่งผลให้ได้ต้นกล้าที่ไม่มีคุณภาพและไม่เพียงพอต่อการผลิต การทำ seed priming เป็นเทคนิคหนึ่งที่ได้รับความสนใจในการปรับปรุงคุณภาพเมล็ดพันธุ์ โดยเป็นการกระตุ้นกระบวนการทางสรีรวิทยาของเมล็ดก่อนการงอก ซึ่งช่วยให้เมล็ดมีความงอกที่สม่ำเสมอและต้นกล้ามีความแข็งแรงมากขึ้น ในปัจจุบัน การใช้สารสกัดจากธรรมชาติในการทำ seed priming กำลังได้รับความสนใจมากขึ้น เนื่องจากเป็นมิตรต่อสิ่งแวดล้อมและปลอดภัยต่อผู้ใช้ สาหร่าย Chaetomorpha sp. เป็นสาหร่ายสีเขียวที่พบได้ทั่วไปตามชายฝั่งทะเลของประเทศไทย มีรายงานว่าสารสกัดจากสาหร่ายชนิดนี้อุดมไปด้วยสารควบคุมการเจริญเติบโตของพืช เช่น ออกซิน ไซโทไคนิน และจิบเบอเรลลิน รวมถึงแร่ธาตุและสารออกฤทธิ์ทางชีวภาพที่มีประโยชน์ต่อการเจริญเติบโตของพืช ดังนั้น การนำสารสกัดจากสาหร่าย Chaetomorpha sp. มาประยุกต์ใช้ในการทำ seed priming จึงเป็นแนวทางที่น่าสนใจในการพัฒนาวิธีการปรับปรุงคุณภาพเมล็ดพันธุ์พริกที่เป็นมิตรต่อสิ่งแวดล้อม และอาจนำไปสู่การเพิ่มประสิทธิภาพการผลิตต้นกล้าพริกคุณภาพสูงในเชิงการค้าต่อไป การศึกษานี้จึงมุ่งเน้นที่จะศึกษาผลของการทำ seed priming ด้วยสารสกัดจากสาหร่าย Chaetomorpha sp. ต่อความงอกและการเจริญเติบโตของต้นกล้าพริก เพื่อพัฒนาวิธีการปรับปรุงคุณภาพเมล็ดพันธุ์พริกที่มีประสิทธิภาพและเป็นมิตรต่อสิ่งแวดล้อม อันจะเป็นประโยชน์ต่อเกษตรกรและอุตสาหกรรมการผลิตต้นกล้าพริกของประเทศไทย
วิทยาลัยวิศวกรรมสังคีต
This project studies how to design a portable, sound-confining space that allows users to practice using their voices without disturbing the surroundings.
คณะบริหารธุรกิจ
In a world increasingly focused on sustainability and reducing environmental impact, DreamHigh is pioneering an innovative approach to packaging solutions using mycelium—a natural, biodegradable, and renewable material derived from fungi. Our mission is to revolutionize the packaging industry by offering eco-friendly alternatives that not only reduce waste but also align with global efforts to combat climate change. Mycelium packaging offers a compelling alternative to traditional plastic and Styrofoam packaging, which contribute significantly to environmental pollution. It is fully biodegradable, compostable, and capable of breaking down in natural environments within weeks, leaving no toxic residues behind. Additionally, mycelium-based products are lightweight, durable, and customizable, making them suitable for a wide range of applications, from consumer goods packaging to protective shipping materials. DreamHigh’s business plan outlines a scalable production process leveraging advanced mycelium cultivation techniques and partnerships with local agricultural sectors to utilize agricultural waste as a key raw material. This not only ensures cost-efficiency but also supports a circular economy by repurposing waste that would otherwise be discarded.
คณะวิทยาศาสตร์
This special problem aims to compare the performance of machine learning methods in time series forecasting using lagged time periods as independent variables. The lagged periods are categorized into three groups: lagged by 10 units, lagged by 15 units, and lagged by 20 units. The study employs four machine learning methods: Decision Tree (DT), Random Forest (RF), K-Nearest Neighbors (KNN), and Support Vector Machine (SVM). The time series data simulated as independent variables diverse including characteristics: Random Walk data, Trending data, and Non-Linear data, with sample sizes of 100, 300, 500, and 700. The research methodology involves splitting the data into 90% for training and 10% for testing. Simulations and analysis are performed using the R programming language, with 1,000 iterations conducted. The results are evaluated based on the average mean squared error (AMSE) and the average mean absolute percentage error (AMAPE) are calculated to identify the best performing method. The research findings revealed that for Random Walk data, the best performing methods are Random Forest and Support Vector Machine. For Trend data, the best performing methods are Random Forest. For Non-Linear data, the best performing methods are Support Vector Machine. When tested with real-world data, the results show that for the Euro-to-Thai Baht exchange rate, the best methods are Random Forest and Support Vector Machine. For the S&P 500 Index in USD, the best performing methods are Random Forest. For the Bank of America Corp Index in USD, the best performing methods are Support Vector Machine.