The research on improving the strength of solid electrolytes aims to enhance the properties of solid electrolyte materials produced from cement and additives that help develop the cement structure to generate electricity. The main components include sodium chloride (NaCl) and graphite, which contribute to the material’s ability to generate a weak electrical current. The objective is to develop an electricity-generating flooring material. This study involves preparing a mixture of cement, water, sodium chloride (NaCl), and graphite to enhance the material’s electrical conductivity. It is highly anticipated that this research will lead to the development of concrete flooring capable of generating electricity and can be further expanded for future applications.
ในปัจจุบัน ความต้องการใช้พลังงานไฟฟ้าเพิ่มขึ้นนอย่างต่อเนื่อง ส่งผลให้เกิดการพัฒนาเทคโนโลยีและนวัตกรรมใหม่ ๆ เพื่อเพิ่มแหล่งพลังงานทางเลือกที่มีความยั่งยืนและเป็นมิตรต่อสิ่งแวดล้อม หนึ่งในแนวทางที่ได้รับความสนใจ คือการพัฒนาวัสดุที่สามารถผลิตและกักเก็บพลังงานไฟฟ้าได้ในตัวเอง ซึ่งสามารถนำไปใช้ในโครงสร้างพื้นฐานต่าง ๆเช่น พื้นทางเดิน อาคาร หรือพื้นที่สาธารณะ ดังนั้น งานวิจัยนี้จึงมีเป้าหมายเพื่อพัฒนาและปรับปรุงคุณสมบัติของเซลล์อิเล็กโทรไลต์ชนิดแข็งที่มีโครงสร้างพื้นฐานจากซีเมนต์ โดยมุ่งเน้นการเพิ่มความแข็งแรงของวัสดุควบคู่ไปกับการรักษาคุณสมบัติการนำไฟฟ้า เพื่อให้สามารถนำไปใช้งานเป็นวัสดุปูพื้นที่สามารถผลิตกระแสไฟฟ้าได้ งานวิจัยนี้คาดหวังว่าจะเป็นแนวทางสำคัญในการ พัฒนาวัสดุก่อสร้างสามารถต่อยอดไปสู่การประยุกต์ใช้ในอนาคตได้อย่างมีประสิทธิภาพ
วิทยาเขตชุมพรเขตรอุดมศักดิ์
This project aims to design and develop an eye-tracking system to facilitate communication for paralyzed immobile patients. The system is designed to enable patients to convey their needs to caregivers or family members by detecting and tracking eye movements using the Tobii Eye Tracker 5 device. This approach serves as an alternative communication method, replacing the physical movement or speech of paralyzed patients. The system effectively detects and tracks eye movements at a distance of 55 to 85 centimeters and is designed for installation on a computer to ensure ease of use. The program interface consists of three main sections: (1) a set of emotions, (2) a set of needs, and (3) a set of additional needs. It supports input from a virtual keyboard in both Thai and English and allows users to specify additional needs through eye-tracking-enabled typing. Furthermore, the system can generate synthetic speech for text that is difficult to pronounce aloud, send notification messages via the Line application, and store usage data in a database presented in a dashboard format. System testing revealed that the optimal detection distance ranges from 65 to 75 centimeters, as this range yields an error rate of no more than 1 percent. The system accurately responds to eye movements for communication through sound within 3 seconds when interacting with various function buttons. This eye-tracking system effectively enables paralyzed immobile patients to communicate their emotions and needs, facilitating better understanding and interaction between patients and their caregivers or family members.
คณะเทคโนโลยีการเกษตร
Durian is a crucial economic crop of Thailand and one of the most exported agricultural products in the world. However, producing high-quality durian requires maintaining the health of durian trees, ensuring they remain strong and disease-free to optimize productivity and minimize potential damage to both the tree and its fruit. Among the various diseases affecting durian, foliar diseases are among the most common and rapidly spreading, directly impacting tree growth and fruit quality. Therefore, monitoring and controlling leaf diseases is essential for preserving durian quality. This study aims to apply image analysis technology combined with artificial intelligence (AI) to classify diseases in durian leaves, enabling farmers to diagnose diseases independently without relying on experts. The classification includes three categories: healthy leaves (H), leaves infected with anthracnose (A), and leaves affected by algal spot (S). To develop the classification model, convolutional neural network (CNN) algorithms—ResNet-50, GoogleNet, and AlexNet—were employed. Experimental results indicate that the classification accuracy of ResNet-50, GoogleNet, and AlexNet is 93.57%, 93.95%, and 68.69%, respectively.
วิทยาเขตชุมพรเขตรอุดมศักดิ์
A sweet made from flour and added to give it a chewy texture similar to chewing gum.