Agricultural products and by-products are important raw materials in various industries including cosmetics and pharmaceuticals. Agro-based fibers have the composition, properties and structure that make them suitable for uses as composite-cosmetic industry. Upon microwave digestion, cellulose have been successfully synthesized into nanocrystalline cellulose (NCC) with lengths from 50-1000 nm, widths between 5-70 nm. Nanocrystalline cellulose was grafted with cosmetic active ingredients such as glycerin), sodium hyaluronate), glycolic acid, and nicotinamide. The beauty active ingredients attached nanocelluloses can penetrate through the skin to enhance beauty and youth.
ประเทศไทย เป็นหนึ่งในประเทศที่ผลิตผลิตผลทางการเกษตร และประเทศไทยได้รับการขนานนามว่าเป็น “ครัวของโลก” (Kitchen of the World) เนื่องจากมีความอุดมสมบูรณ์ เป็นแหล่งผลิตสินค้าเกษตรที่สำคัญ ผลผลิตที่มากมายย่อมก่อให้เกิดผลพลอยได้ทางการเกษตรที่ตามมา เพื่อก่อให้เกิดประโยชน์สูงสุดของผลพลอยได้ทางการเกษตร งามวิจัยมุ่งเห็นถึงประโยชน์ของนาโนเซลลูโลส ที่เป็นองค์ประกอบที่สำคัญของพืช นาโนเซลลูโลส มีคุณสมบัติละลายน้ำได้ดี ทำให้เส้นใยนาโนเซลลูโลสมีคุณสมบัติในการอุ้มน้ำได้สูงกว่าน้ำหนักในขณะที่ไม่เปียกน้ำ ถึง 100 เท่า และมีความแข็งแกร่ง ยืดหยุ่นสูง อีกทั้งยังเป็นสารปลอดพิษที่ปราศจากเชื้อ และมีความบริสุทธิ์สูง การนำนาโนเซลลูโลสมายึดตึดด้วยสารสำคัญทางความงาม เช่นกลีเซอรีน (Glycerin), กรดไฮยาลูรอนิก (Sodium Hyaluronate), กรดไกลโคลิก (Glycolic Acid) หรือแม้แต่วิตตามิน เช่น นิโคตินาไมด์ (Nicotinamide) หรือ วิตามินบี 3 ย่อมส่งผลดีต่อการนำส่งสารความงามลงสู่ใบหน้า งานวิจัยนี้จึงมุ่งเน้นสังเคราะห์นาโนเซลลูโลส จากผลิตผล และผลพลอยได้ทางการเกษตร โดยการใช้เทคโนโลยีขั้นสูงไมโครเวฟในการย่อย และต่อกิ่งสารสำคัญทางความงาม เช่นกลีเซอรีน (Glycerin), กรดไฮยาลูรอนิก (Sodium Hyaluronate), กรดไกลโคลิก (Glycolic Acid) หรือแม้แต่วิตตามิน เช่น นิโคตินาไมด์ (Nicotinamide) หรือ วิตามินบี 3 ลงบนนาโนเซลลูโลส เพื่อมุ่งหวังใช้เป็นสารเสริมความงามต่อไป
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
-
คณะวิทยาศาสตร์
With the development of space technology, wide-field sky surveys using telescopes have expanded the range of new data available for time-domain astronomical research. Traditional data analysis methods can no longer respond quickly and accurately enough to the growing volume of data. Thus, classifying time-series data, such as light curves, has become a significant challenge in the era of big data. In modern times, analyzing light curves has become essential for using machine learning techniques to handle and filter through massive amounts of data. Machine learning algorithms can be divided into two categories: shallow learning and deep learning. Numerous researchers have proposed and developed a variety of algorithms for light curve classification. In this study, we experimented with Support Vector Machine (SVM) and XGBoost, which are shallow machine learning algorithms, as well as 1D-CNN and Long Short-Term Memory (LSTM), which are deep learning algorithms, which are branches of deep machine learning, to classify variable stars. The training and testing data used in this study were from the Optical Gravitational Lensing Experiment-III (OGLE-III), consisting of variable star data from the Large Magellanic Cloud (LMC), categorized into five main classes: Classical Cepheids, δ Scutis, eclipsing binaries, RR Lyrae stars, and Long-period variables. The results demonstrate the performance analysis of each machine learning algorithm type applied to light curve data, while also highlighting the accuracy and statistical metrics of the algorithms used in the experiments.
คณะวิทยาศาสตร์
In raising crickets for meat consumption, the growth rate and growth period of crickets are important data used to identify the number of crickets per breeding area at each age. Therefore, the researcher has an idea to create a system for monitoring the growth rate of crickets in a closed system using an infrared camera combined with computer image processing to study the growth and identify the growth period of crickets at each age in order to obtain knowledge that can be disseminated to farmers to improve the breeding process for maximum efficiency.