Design and Development of a Remote Battery Management System This research focuses on the design and development of a battery management system that enables remote monitoring and control, allowing users to customize battery cell properties as needed. The system is specifically designed for use with graphene battery cells and can be effectively applied to alternative energy systems for residential use.
1. เพิ่มประสิทธิภาพการจัดการพลังงาน – ระบบบริหารจัดการแบตเตอรี่ที่สามารถควบคุมและมอนิเตอร์ระยะไกลช่วยให้สามารถจัดการพลังงานได้อย่างมีประสิทธิภาพ ลดการสูญเสียพลังงาน และเพิ่มอายุการใช้งานของแบตเตอรี่ 2. รองรับเทคโนโลยีแบตเตอรี่กราฟีน – แบตเตอรี่กราฟีนมีศักยภาพสูงในการเก็บพลังงานและมีอายุการใช้งานยาวนาน โครงการนี้ช่วยทดสอบและพัฒนาการนำแบตเตอรี่กราฟีนไปใช้ในระบบพลังงานทางเลือก 3. เพิ่มความสะดวกและความปลอดภัยในการใช้งาน – การควบคุมและมอนิเตอร์แบตเตอรี่จากระยะไกลช่วยลดความเสี่ยงจากการเกิดปัญหาทางเทคนิค เช่น การชาร์จไฟเกินหรืออุณหภูมิสูงเกินไป ทำให้ระบบมีความปลอดภัยมากขึ้น 4. ส่งเสริมการพัฒนาเทคโนโลยีภายในประเทศ – โครงการนี้ช่วยสนับสนุนการพัฒนาเทคโนโลยีแบตเตอรี่และระบบบริหารจัดการพลังงานภายในประเทศ ลดการพึ่งพาเทคโนโลยีจากต่างประเทศ และเพิ่มขีดความสามารถในการแข่งขันด้านพลังงาน
คณะวิทยาศาสตร์
-
คณะอุตสาหกรรมอาหาร
The consumption of plant-based products has been gaining popularity as consumers become more health-conscious and aware of environmental impacts. The food industry has been developing meat analogs with properties similar to conventional meat. This study investigates the chemical and physical properties of chickpea-based meat analog burgers and hybrid burgers containing both chickpeas and pork, using the sous-vide cooking method. This technique helps maintain food quality in terms of texture, moisture retention, and nutritional value. The experiment examined various properties of both types of burgers, including cooking loss, water holding capacity, shear force, pH value, and color analysis. Additionally, sensory evaluation was conducted to assess taste, texture, and overall consumer preference. The findings will provide insights into the optimal sous-vide conditions for producing plant-based and hybrid burgers with desirable quality characteristics that meet the needs of health-conscious consumers. This study serves as a valuable guideline for the food industry in developing high-nutritional-value alternative protein products while reducing meat consumption. By incorporating plant-based ingredients, it helps minimize environmental impact and promotes sustainability in food production. The research is significant in both food science and the development of healthier, competitive food products for the future market.
คณะเทคโนโลยีสารสนเทศ
This research presents a deep learning method for generating automatic captions from the segmentation of car part damage. It analyzes car images using a Unified Framework to accurately and quickly identify and describe the damage. The development is based on the research "GRiT: A Generative Region-to-text Transformer for Object Understanding," which has been adapted for car image analysis. The improvement aims to make the model generate precise descriptions for different areas of the car, from damaged parts to identifying various components. The researchers focuses on developing deep learning techniques for automatic caption generation and damage segmentation in car damage analysis. The aim is to enable precise identification and description of damages on vehicles, there by increasing speed and reducing the work load of experts in damage assessment. Traditionally, damage assessment relies solely on expert evaluations, which are costly and time-consuming. To address this issue, we propose utilizing data generation for training, automatic caption creation, and damage segmentation using an integrated framework. The researchers created a new dataset from CarDD, which is specifically designed for cardamage detection. This dataset includes labeled damages on vehicles, and the researchers have used it to feed into models for segmenting car parts and accurately labeling each part and damage category. Preliminary results from the model demonstrate its capability in automatic caption generation and damage segmentation for car damage analysis to be satisfactory. With these results, the model serves as an essential foundation for future development. This advancement aims not only to enhance performance in damage segmentation and caption generation but also to improve the model’s adaptability to a diversity of damages occurring on various surfaces and parts of vehicles. This will allow the system to be applied more broadly to different vehicle types and conditions of damage inthe future