This project develops a platform using computer vision to analyze real-time CCTV footage for detecting traffic law violations, such as crossing solid lines. The system can automatically identify and record traffic rule infringements, improving law enforcement efficiency and reducing the workload of traffic police officers. Moreover, it plays a crucial role in developing smart city systems by integrating data to enhance traffic management and road safety.
ในปัจจุบัน ปัญหาการจราจรและอุบัติเหตุบนท้องถนนเป็นประเด็นสำคัญที่ส่งผลกระทบต่อคุณภาพชีวิตของประชาชนและการพัฒนาเมือง การฝ่าฝืนกฎจราจร โดยเฉพาะการขับรถทับเส้นทึบ เป็นสาเหตุหลักของอุบัติเหตุและการจราจรติดขัด แม้จะมีการติดตั้งกล้องวงจรปิดอย่างแพร่หลาย แต่การตรวจสอบภาพจำนวนมากโดยเจ้าหน้าที่มนุษย์นั้นมีข้อจำกัดด้านประสิทธิภาพและความแม่นยำ ความก้าวหน้าทางเทคโนโลยีคอมพิวเตอร์วิทัศน์และปัญญาประดิษฐ์ เปิดโอกาสให้สามารถพัฒนาระบบอัตโนมัติที่มีประสิทธิภาพสูงในการตรวจจับและวิเคราะห์พฤติกรรมการขับขี่ที่ผิดกฎหมาย การนำเทคโนโลยีเหล่านี้มาประยุกต์ใช้ในการบังคับใช้กฎหมายจราจรจะช่วยเพิ่มความปลอดภัยบนท้องถนน ลดภาระของเจ้าหน้าที่ และสนับสนุนการตัดสินใจเชิงนโยบายด้านการจราจรได้อย่างมีประสิทธิภาพ นอกจากนี้ แนวคิดเรื่องเมืองอัจฉริยะ (Smart City) กำลังได้รับความสนใจอย่างมากในการพัฒนาเมืองสมัยใหม่ การบูรณาการระบบตรวจจับการกระทำผิดกฎจราจรอัตโนมัติเข้ากับโครงสร้างพื้นฐานของเมืองอัจฉริยะ จะช่วยยกระดับการบริหารจัดการเมืองและคุณภาพชีวิตของประชาชน ด้วยเหตุนี้ การพัฒนาแพลตฟอร์มที่ใช้คอมพิวเตอร์วิทัศน์ในการตรวจจับการกระทำผิดกฎจราจรจึงมีความสำคัญอย่างยิ่ง เพื่อแก้ไขปัญหาการจราจร เพิ่มความปลอดภัยบนท้องถนน และสนับสนุนการพัฒนาเมืองอัจฉริยะในอนาคต
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.
วิทยาเขตชุมพรเขตรอุดมศักดิ์
This project aims to design and develop a propulsion system for agricultural equipment using RFID technology and evaluate its movement performance on different surfaces, including concrete and grass. The experiment focuses on examining the tag detection range under transmission power levels of 20 dBm, 23 dBm, and 26 dBm, as well as the impact of antenna angles on detection efficiency. Additionally, the system was tested in three movement scenarios: straight path, left turn, and right turn, at distances of 2 meters, 4 meters, and 6 meters. The results indicate that the system achieved the highest average speed of 0.4736 m/s and an average turning angle of 91.6° when moving in a straight path on a concrete surface at a distance of 4 meters. On a grass surface at the same distance, the average speed was 0.4483 m/s, with an average turning angle of 91.1°. For left and right turns, the movement on the concrete surface generally exhibited a higher average speed than on grass, particularly at a distance of 4 meters, where differences in turning angles were observed. This study provides insights into the factors affecting the movement of agricultural mowing equipment and serves as a foundation for enhancing the efficiency of propulsion systems in future developments.
คณะวิศวกรรมศาสตร์
The Diabetes Meal Management Application is a digital health tool designed to empower Type 2 diabetic patients in managing their diet and blood sugar levels more effectively. With features like personalized meal recommendations, nutrient tracking, and seamless integration with wearable blood glucose monitors via Blood sugar measuring device (CGM), the application enables users to monitor glucose fluctuations in real time and adjust dietary choices accordingly. Built with the Flutter framework and supported by a backend of Express.js and MongoDB, the application prioritizes a user-friendly interface, ensuring easy navigation and encouraging consistent engagement with meal planning and health tracking. Preliminary user trials show that the application contributes to more stable blood sugar levels and improved adherence to dietary recommendations, helping users reduce health risks associated with diabetes complications. By offering a proactive approach to diabetes management, the application reduces the need for frequent clinical interventions, thus potentially lowering medical costs over time. This project highlights the promising role of digital health solutions in supporting personalized diabetes care, emphasizing the potential for scalable, user-centered interventions that foster long-term health improvements for diabetic patients.