The use of chemical herbicides in agriculture has raised concerns due to its adverse effects on farmers' health, environmental sustainability, and consumer safety. Paraquat, a widely used herbicide, has been banned in Thailand. In response to this issue, this research focused on the development of natural herbicide products as an alternative to conventional chemical herbicides. The study involved the extraction of bioactive compounds from selected plants with potential herbicidal properties and evaluating their effectiveness in controlling target weeds. The results indicated that the developed natural herbicide demonstrates significant weed control efficiency. Additionally, this product can be applied to organic farming systems, reducing reliance on hazardous chemicals and promoting sustainable agricultural practices. The development of this natural herbicide served as an essential step toward environmentally friendly and safe agricultural solutions.
ที่มาของโครงการนี้เกิดจากปัญหาการใช้สารเคมีกำจัดวัชพืชในภาคเกษตรกรรม ซึ่งแม้ว่าสารเหล่านี้จะมีประสิทธิภาพในการควบคุมวัชพืช แต่กลับก่อให้เกิดผลกระทบต่อสุขภาพของเกษตรกร ผู้บริโภค และสิ่งแวดล้อมในระยะยาว โดยเฉพาะสารพาราควอต ซึ่งเป็นสารเคมีกำจัดวัชพืชที่ได้รับความนิยมแต่ถูกห้ามใช้ในหลายประเทศ รวมถึงประเทศไทย เนื่องจากมีความเป็นพิษสูงและไม่มีวิธีการรักษาหากได้รับสารเข้าสู่ร่างกาย นอกจากนี้ การตกค้างของสารเคมีในดินและแหล่งน้ำยังส่งผลต่อความสมดุลของระบบนิเวศและคุณภาพของผลผลิตทางการเกษตร ด้วยเหตุนี้ โครงการวิจัยนี้จึงถูกพัฒนาขึ้นโดยมีเป้าหมายในการค้นหาและพัฒนาสารจากธรรมชาติที่สามารถทดแทนสารเคมีดังกล่าวได้อย่างมีประสิทธิภาพ เพื่อลดความเสี่ยงต่อสุขภาพของเกษตรกร ลดปัญหามลพิษทางสิ่งแวดล้อม และส่งเสริมการทำเกษตรกรรมที่ยั่งยืน นอกจากนี้ การวิจัยยังตอบสนองต่อนโยบายของภาครัฐในการสนับสนุนการใช้สารชีวภาพและนวัตกรรมที่เป็นมิตรกับสิ่งแวดล้อม เพื่อสร้างสมดุลระหว่างผลผลิตทางการเกษตรและการดูแลสิ่งแวดล้อมให้ยั่งยืนในระยะยาว
คณะวิทยาศาสตร์
Currently, climate change and human activities are causing rapid deterioration of coral reefs worldwide. Monitoring coral health is essential for marine ecosystem conservation. This project focuses on developing an Artificial Intelligence (AI) model to classify coral health into four categories: Healthy, Bleached, Pale, and Dead using Deep Learning techniques. With pre-trained convolutional neural network (CNN) for image classification. To improve accuracy and mitigate overfitting, 5-fold Cross-Validation is employed during training, and the best-performing model is saved. The results of this project can be applied to monitor coral reef conditions and assist marine scientists in analyzing coral health more efficiently and accurately. This contributes to better conservation planning for marine ecosystems in the future.
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.
คณะวิทยาศาสตร์
This work presents the fabrication of the handheld meter for potentiometric detection of Hg (II). The meter was constructed based on using an ion-sensitive field-effect transistor (ISFET) platform. The developed meter provides high accuracy and precision (%Recovery was in the range of 92.55 - 109.32 and %RSD was 2.38). It was applied to the analysis of cosmetic samples. The results by the developed electrode were not significantly different at a 95% confidence level compared to the results by using ICP-OES.