This research project aims to study and develop a metaverse system for tourism in Horklong Subdistrict, Phitsanulok Province. The primary goal is to create a prototype metaverse system that showcases the cultural and historical tourist attractions in Horklong Subdistrict through virtual reality technology. This will help promote tourism in rural areas that are not yet widely known and enhance the modern promotion of tourist attractions in the province. The development of the metaverse system in this project utilizes virtual reality technology to simulate the experience of touring Horklong Subdistrict via a virtual boat ride. Users will be able to access the system through the Unity platform, which is a tool used to develop 3D and VR applications. The system is designed to allow users to choose to ride a virtual boat and visit various places that have been creatively recreated in a virtual format. These locations are designed and developed using 3D models based on real data collected from the Horklong Subdistrict area. This project is therefore an initiative to sustainably promote cultural and historical tourism in Phitsanulok Province. It has the potential to increase income for local communities as well as to disseminate local knowledge and wisdom to a broader audience. The metaverse system for tourism in Horklong Subdistrict is thus an important project in modernizing the province’s tourism sector and attracting more visitors, both domestically and internationally.
ประเทศไทยมีสถานที่ท่องเที่ยวที่สวยงามและหลากหลาย ซึ่งเป็นที่รู้จักในระดับโลก เช่น เกาะพีพี ภูเก็ต เชียงใหม่ และกรุงเทพมหานคร อย่างไรก็ตาม ยังมีสถานที่ท่องเที่ยวที่น่าสนใจอื่น ๆ อีกมากมายที่ยังไม่ค่อยเป็นที่รู้จักหรือได้รับความสนใจจากนักท่องเที่ยวมากนัก ทั้ง ๆ ที่มีความงดงามและเอกลักษณ์เฉพาะตัว สถานที่ท่องเที่ยวเหล่านี้มักตั้งอยู่ในพื้นที่ชนบท หรืออยู่ในแหล่งที่ห่างไกลจากเส้นทางท่องเที่ยวหลัก ทำให้การเข้าถึงอาจไม่สะดวกสบายเท่าที่ควร แต่ในขณะเดียวกันก็มีข้อดีในการรักษาความเป็นธรรมชาติและวัฒนธรรมดั้งเดิมของท้องถิ่นได้อย่างดี จังหวัดพิษณุโลกมีประวัติศาสตร์และสถานที่ท่องเที่ยวทางวัฒนธรรมสำคัญมากมาย แต่ขาดการประชาสัมพันธ์ที่ทันสมัย ทำให้ดึงดูดนักท่องเที่ยวได้ยาก การใช้เทคโนโลยีเมตาเวิร์สที่นิยมในปัจจุบันสามารถช่วยส่งเสริมการท่องเที่ยวได้อย่างมีประสิทธิภาพโครงการสร้างเมตาเวิร์สของหอกลองเกิดขึ้นเพื่อพัฒนาการท่องเที่ยวของจังหวัดพิษณุโลกให้มีความน่าสนใจและยั่งยืน โดยนำเสนอแหล่งท่องเที่ยวในตำบลหอกลองผ่านโลกเสมือนจริง นักท่องเที่ยวสามารถเยี่ยมชมสถานที่สำคัญ เรียนรู้ประวัติศาสตร์และวัฒนธรรมท้องถิ่น และเข้าร่วมกิจกรรมและเทศกาลต่าง ๆ ในรูปแบบเสมือนจริง จึงเป็นที่มาของโครงการเมตาเวิร์สของตำบลหอกลองเพื่อการท่องเที่ยวของจังหวัดพิษณุโลกเพื่อเพื่อศึกษาและพัฒนาการสร้างระบบเมตาเวิร์สสำหรับการท่องเที่ยว สร้างต้นแบบระบบเมตาเวิร์สสำหรับการท่องเที่ยวตำบลหอกลอง และส่งเสริมการท่องเที่ยวเชิงวัฒนธรรมและประวัติศาสตร์ของจังหวัดพิษณุโลกและเพิ่มรายได้จากการท่องเที่ยวให้กับชุมชนท้องถิ่น
คณะเทคโนโลยีการเกษตร
-
คณะอุตสาหกรรมอาหาร
This research aims to develop plant-based Thai traditional sausage(Sai oua) using young jackfruit as the main raw material. To be an alternative to replace meat by studying the development of formula, changes in physical and physical chemistry during the preservation of the product, young jackfruit has dominant properties of meat-like fibres and can absorb the smell and taste of spices well. The results of the study found that young jackfruit that have been boiled at 100 degrees Celsius for 30 minutes have the fibre closest to cooked chicken. In addition, the study of changes during storage at different temperatures found that the colour and Water Activity (Aw) have changed slightly. While the pH value (pH) decreased and the value of Thiobarbituric Acid Reactive Substances (T-BARS) increased. In terms of texture, it was found that the toughness increased and the elasticity decreased. Compared to the control formula, this study suggests that young jackfruit is a suitable raw material for the production of fillings from plants.
คณะวิทยาศาสตร์
This special problem aims to study and compare the performance of predicting the air quality index (AQI) using five ensemble machine learning methods: random forest, XGBoost, CatBoost, stacking ensemble of random forest and XGBoost, and stacking ensemble of random forest, SVR, and MLP. The study uses a dataset from the Central Pollution Control Board of India (CPCB), which includes fifteen pollutants and nine meteorological variables collected between January, 2021 and December, 2023. In this study, there were 1,024,920 records. The performance is measured using three methods: root mean square error (RMSE), mean absolute error (MAE), and coefficient of determination. The study found that the random forest and XGBoost stacking ensemble had the best performance measures among the three methods, with the minimum RMSE of 0.1040, the minimum MAE of 0.0675, and the maximum of 0.8128. SHAP-based model interpretation method for five machine learning methods. All methods reached the same conclusion: the two variables that most significantly impacted the global prediction were PM2.5 and PM10, respectively.