The evaluation of mango yield and consumer behavior reflects an increasing awareness of product origins, with a growing demand for traceability to understand how the produce has been cultivated and managed. This study explores the relationship between mango characteristics and cultivation practices before harvest, using location identification to provide insights into these processes. To achieve this, a model was developed to detect and locate mangoes using 2D images via a Deep Learning approach. The study also investigates techniques to determine the real-world coordinates of mangoes from 2D images. The YOLOv8 model was employed for object detection, integrated with camera calibration and triangulation techniques to estimate the 3D positions of detected mangoes. Experiments involved 125 trials with randomized mango positions and camera placements at varying yaw and pitch angles. Parameters extracted from sequential images were compared to derive the actual 3D positions of the mangoes. The YOLOv8 model demonstrated high performance with prediction metrics of Precision (0.928), Recall (0.901), mAP50 (0.965), mAP50-95 (0.785), and F1-Score (0.914). These results indicate sufficient accuracy for predicting mango positions, with an average positional error of approximately 38 centimeters.
ในปัจจุบัน เทคโนโลยีทางการเกษตรได้รับการพัฒนาอย่างต่อเนื่อง เพื่อเพิ่มประสิทธิภาพในการผลิตและการจัดการผลผลิตอย่างแม่นยำ การตรวจจับตำแหน่งของผลผลิตในพื้นที่เกษตรกรรมถือเป็นหนึ่งในความท้าทายสำคัญที่นักวิจัยและผู้ประกอบการในอุตสาหกรรมเกษตรกรรมต้องการหาทางออก โดยเฉพาะการตรวจจับและการประเมินผลผลิตของผลมะม่วง ที่เป็นผลไม้ที่มีความสำคัญทางเศรษฐกิจในหลายประเทศ ซึ่งประเทศไทยเป็นหนึ่งในผู้ผลิตมะม่วงรายใหญ่ของโลก รวมถึงพฤติกรรมของผู้บริโภคที่มีความตระหนักถึงที่มาของผลผลิตมากยิ่งขึ้น ต้องการตรวจสอบย้อนกลับถึงที่มาของผลผลิตว่าผลผลิตนั้นๆได้รับการดูแลมาอย่างไรผ่านการระบุตำแหน่งของผลนั้นๆ ทั้งเป็นแหล่งข้อมูลที่บ่งบอกถึงลักษะของผลผลิตที่ได้มาได้ผ่านการดูแลรูปแบบใดในขณะที่ยังไม่ถูกเก็บเกี่ยว การพัฒนาเทคนิคในการหาตำแหน่งบนโลกจริง 3 มิติ ของมะม่วงจากข้อมูลภาพ 2 มิติ จึงเป็นเรื่องที่มีความสำคัญอย่างยิ่งในด้านการเกษตร เนื่องจากการตรวจจับและการประเมินผลผลิตในพื้นที่เกษตรกรรมเป็นขั้นตอนสำคัญในการจัดการและการเก็บเกี่ยวผลผลิต เทคนิคที่ใช้ในงานวิจัยนี้คือการผสมผสานระหว่างการสอบเทียบกล้อง (Camera Calibration) การตรวจจับวัตถุจากภาพ 2 มิติเพื่อคำนวณตำแหน่งในมิติ 3 มิติ โดยเทคนิค Triangulation และเทคโนโลยีการตรวจจับภาพที่มีความแม่นยำสูงอย่าง YOLOv8 มาใช้ ซึ่งเป็นโมเดลที่พัฒนาโดยใช้การเรียนรู้เชิงลึก (deep learning) ที่มีประสิทธิภาพในการตรวจจับวัตถุในภาพได้อย่างรวดเร็วและแม่นยำ ทั้งนี้ผู้จัดทำจึงมีแนวคิดที่ต้องการพัฒนาวิธีการหาตำแหน่งของผลมะม่วง เพื่อเพิ่มความสามารถในการประเมินผลผลิตทางการเกษตร ซึ่งเป็นปัจจัยสำคัญในการทำการเกษตรแบบเกษตรแม่นยำ (Precision Agriculture) การใช้เทคโนโลยีที่มีความแม่นยำสูงในการตรวจจับและประมวลผลข้อมูลภาพสามารถช่วยให้การจัดการผลผลิตในภาคเกษตรกรรมมีประสิทธิภาพมากขึ้น การรับรู้ข้อมูลของผลผลิต ลดความผิดพลาดในการประเมิน และความรวดเร็วในการจัดการ นอกจากนี้ยังสามารถนำไปประยุกต์ใช้ในการพัฒนาเทคโนโลยีใหม่ๆ ที่สามารถช่วยเพิ่มผลผลิตในภาคเกษตรกรรมและเสริมสร้างความยั่งยืนในอุตสาหกรรมเกษตรกรรมในอนาคต
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
The thesis artwork titled “The Red Mist” presents a narrative adapted from a short story of the same name by Assistant Professor Chatnarong Wisutkul in 2003. The story is set in a future world where people's greed and selfishness have led to a war, forcing them to rely on "breathing machines" to survive in the "red toxic mist." Phakin, a 15-year-old boy, embarks on a journey with a group of refugees. As they pass through abandoned cities, they encounter a boy without a breathing machine who has recently lost his father. Phakin decides to help him, despite objections from others. The boy tries to end his life by shutting off his breathing machine, and when Phakin intervenes to save him, he collapses from inhaling the toxic air. Witnessing Phakin's selfless act, the others are moved and join forces to save both of them. Phakin demonstrates that in difficult times, humans must cooperate and help each other rather than being divided and selfish.
คณะวิทยาศาสตร์
Microalgae are rich in bioactive compounds that may contribute to the growth of probiotics, which require appropriate nutrients, known as prebiotics, to thrive. This study aims to evaluate the effectiveness of crude extracts from intracellular components residues of the microalga Chlorella sp. KLSc61 in promoting the growth of the probiotic bacterium Lactiplantibacillus plantarum JCM1149 under simulated gastrointestinal conditions. The intracellular extracts were obtained using 70% (v/v) ethanol, and their effects on probiotic growth were tested at concentrations of 0.1%, 0.75% and 1.5%. The growth of Lactiplantibacillus plantarum JCM1149 was assessed using the drop plate method. The findings of this study will provide insights into the potential of Chlorella sp. KLSc61 extracts in enhancing probiotic growth, which could lead to the development of synbiotic dietary supplements containing both probiotics and prebiotics. Additionally, this study may serve as a foundation for further research on the role of microalgal extracts in gut health and immune system modulation.
วิทยาลัยนวัตกรรมการผลิตขั้นสูง
The offline evaluation system for Thai-language large language models (LLMs) is designed to enable experts to efficiently test and assess various LLMs without relying on external services. This enhances the flexibility in selecting LLMs that best suit organizational needs or expert systems (ES). The system operates on personal computers, ensuring data security by eliminating concerns about external data storage. Additionally, it supports model testing and development using Retrieval-Augmented Generation (RAG), allowing access to domain-specific knowledge for accurate, energy-efficient processing. This ensures that the models can perform optimally and effectively meet the demands of organizations and expert systems.