This research focuses on the fabrication of graphene oxide (GO) composite membranes using the Phase-Inversion Method, which transforms polymers from liquid to solid through phase separation. This process creates a porous membrane structure, making it highly adaptable, cost-effective, and suitable for wastewater treatment, separation processes, and industrial filtration applications. Graphene oxide, with its nano-layered structure, offers excellent molecular sieving properties, high water permeability, and chemical and mechanical stability, making it an ideal additive for membrane fabrication. The GO-based membrane demonstrates efficient removal of nanoparticles, heavy metal ions (Pb²⁺, Cr⁶⁺, Hg²⁺), organic pollutants, and microorganisms while exhibiting antifouling properties and high hydrophilicity due to oxygen-functional groups. Applications of this membrane include industrial wastewater treatment, desalination, and the removal of pharmaceutical contaminants, such as antibiotics and hormones. The incorporation of GO enhances membrane performance, providing a sustainable and energy-efficient solution for water purification.
ปัญหามลพิษทางน้ำจากโลหะหนัก สารอินทรีย์ และจุลินทรีย์ในน้ำเสียอุตสาหกรรมและน้ำธรรมชาติกำลังเป็นปัญหาระดับโลก เทคโนโลยีเมมเบรน ได้รับความสนใจเนื่องจากมีประสิทธิภาพสูงในการกรองและบำบัดน้ำ กราฟีนออกไซด์ (GO) เป็นวัสดุที่มีโครงสร้างระดับนาโนและคุณสมบัติพิเศษ เช่น การซึมผ่านน้ำสูง ความทนทานทางเคมี และการคัดแยกสารปนเปื้อนอย่างมีประสิทธิภาพ ดังนั้น การพัฒนาเมมเบรนกราฟีนออกไซด์ผ่านกระบวนการ Phase-Inversion Method จึงเป็นแนวทางสำคัญในการสร้าง เมมเบรนคุณภาพสูง ราคาประหยัด และเหมาะสำหรับการใช้งานด้านสิ่งแวดล้อม
วิทยาลัยอุตสาหกรรมการบินนานาชาติ
The capture of a target spacecraft by a chaser is an on-orbit docking operation that requires an accurate, reliable, and robust object recognition algorithm. Vision-based guided spacecraft relative motion during close-proximity maneuvers has been consecutively applied using dynamic modeling as a spacecraft on-orbit service system. This research constructs a vision-based pose estimation model that performs image processing via a deep convolutional neural network. The pose estimation model was constructed by repurposing a modified pretrained GoogLeNet model with the available Unreal Engine 4 rendered dataset of the Soyuz spacecraft. In the implementation, the convolutional neural network learns from the data samples to create correlations between the images and the spacecraft’s six degrees-of-freedom parameters. The experiment has compared an exponential-based loss function and a weighted Euclidean-based loss function. Using the weighted Euclidean-based loss function, the implemented pose estimation model achieved moderately high performance with a position accuracy of 92.53 percent and an error of 1.2 m. The in-attitude prediction accuracy can reach 87.93 percent, and the errors in the three Euler angles do not exceed 7.6 degrees. This research can contribute to spacecraft detection and tracking problems. Although the finished vision-based model is specific to the environment of synthetic dataset, the model could be trained further to address actual docking operations in the future.
คณะวิทยาศาสตร์
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.
คณะวิศวกรรมศาสตร์
This capstone project develops an AI-powered chatbot to address cybersecurity vulnerabilities, leveraging the Common Vulnerabilities and Exposures (CVE) system and the Common Vulnerability Scoring System (CVSS). The chatbot will provide accessible and informative support for understanding and mitigating these vulnerabilities, potentially leading to significant improvements in cybersecurity practices.