-
จากยุทธศาตร์ชาติที่ 5 ด้านการจัดการน้ำและสร้างการเติบโตบนคุณภาพชีวิตที่เป็นมิตรกับสิ่งแวดล้อมอย่างยั่งยืน ที่มีเป้าประสงค์เพื่อเพิ่ม eco-efficiency จากการใช้ทรัพยากรธรรมชาติอย่างมีคุณค่า ลดการใช้สารเคมีทางการเกษตร เพื่อลดปัญหาเรื่องการได้รับผลกระทบจากการใช้สารเคมีของเกษตรกร สารเคมีตกค้างในสินค้าเกษตรและสิ่งแวดล้อม มีความจำเป็นอย่างยิ่งที่ต้องมีการวิจัยเพื่อสร้างนวัตกรรมตอบโจทย์ที่ท้าทายกับปัญหาผลกระทบจากการได้รับสารเคมีโดยตรงของเกษตรกร ความต้านทานต่อสารเคมีทางการเกษตรของแมลงและไรศัตรูพืช รวมทั้งสารเคมีทางการเกษตรตกค้างในผลิตผลทางการเกษตรและสิ่งแวดล้อม ซึ่งการนำนวัตกรรมการใช้สารสกัดจากพืชสมุนไพร มาใช้ในการกำจัดแมลงและไรศัตรูทางการเกษตร เป็นทางเลือกที่สามารถบริหารจัดการทรัพยากรธรรมชาติเพื่อใช้ในการบริหารศัตรูพืชได้อย่างอย่างยั่งยืน จากรายงานการวิจัยของผู้รับผิดชอบโครงการก่อนหน้านี้พบว่าวิธีการกลั่นด้วยวิธีการต้มพืชสมุนไพรในน้ำ จะได้น้ำมันหอมระเหยจากพืชออกมา โดยน้ำมันหอมระเหยจากพืชสมุนไพรหลายชนิดสามารถป้องกันกำจัดแมลงศัตรูพืชได้หลายชนิด เช่น เพลี้ยแป้ง เพลี้ยไฟ เพลี้ยอ่อน แมลงหวี่ขาว หรือไรศัตรูพืช การผลิตสูตรน้ำมันหอมจากพืชมาใช้ในการป้องกันกำจัดแมลงเป็นไปได้โดยง่ายหากแต่ต้องซื้อน้ำมันหอมระเหยจากบริษัทผลิตน้ำมันหอมระเหยซึ่งมีราคาแพง ไม่คุ้มกับการลงทุน ชุมชนบ้านรางยอมได้ใช้ภูมิปัญญาของชาวบ้านในการสกัดน้ำมันหอมระเหยจากพืชสมุนไพรโดยใช้หลักการต้มเหล้าหรือกลั่นเหล้าในอดีต ของเหลวหลังจากการกลั่นจะประกอบด้วยน้ำมันหอมระเหยจากพืชและน้ำผสมกัน ชาวบ้านเรียกสารนี้ว่า “ไอน้ำสมุนไพร” จากกระบวนการกลั่นที่ประกอบด้วยหม้อต้มขนาด 50 ลิตร ใช้ฟืนเป็นแหล่งพลังงาน หล่อเย็นด้วยกระทะใบบัว พัฒนามาเป็นหม้อต้มขนาด 200 ลิตร ใช้ฟืนเป็นแหล่งพลังงานที่มีการดัดแปลงเป็นเตาประหยัดพลังงาน ทำให้เกิดนวัตกรรมด้านการเกษตรที่สามารถแก้ปัญหาการระบาดของแมลงศัตรูในพืชปลูกได้อย่างยั่งยืน มีรายได้เพิ่มขึ้นจากการลดการใช้สารฆ่าแมลง ไม่เป็นอันตรายต่อเกษตรกร ผู้บริโภค และไม่มีสารพิษตกค้างในสภาพแวดล้อมอีกด้วย ขณะที่ยังมีชุมชนที่ด้อยโอกาสด้านการพัฒนาเทคโนโลยีอีกมากมายที่ยังขาดแคลนทุนทรัพย์ในการผลิต “ชุดกลั่นไอน้ำสมุนไพร” หรือขาดองค์ความรู้ด้านการผลิตที่ถูกต้อง ซึ่งหากมีการดำเนินการให้มีความเสมอภาคกันของการใช้เทคโนโลยีนี้ จะสามารถทำให้ชีวิตความเป็นอยู่ของเกษตรกรก็จะดีขึ้นตามไปด้วย
วิทยาลัยนวัตกรรมการผลิตขั้นสูง
Induction Heating Machine (IHM) is a crucial device in the jewelry industry, utilizing electromagnetic fields to generate heat and join precious metals. This research focuses on developing a Dual Coil Induction Heating Machine (Dual Coil IHM) to enhance production efficiency and reduce costs in jewelry factories using Electromagnetic Analysis (EMA) through Ansys Maxwell software. The research process began with testing a single-coil IHM under real operating conditions and using EMA to analyze the generated magnetic flux density (B). Subsequently, dual-coil configurations in Parallel and Series arrangements were designed and compared. The experimental results revealed that the series dual coil produced a higher magnetic flux and allowed for optimizing current (I), frequency (f), number of coil turns (N), and coil spacing (d) for better manufacturing performance. The findings indicate that the series dual-coil IHM can double production capacity compared to the conventional single-coil model. Furthermore, EMA technology minimizes physical testing, reduces errors, and enhances precision in designing industrial machinery for the jewelry manufacturing sector.
คณะเทคโนโลยีการเกษตร
Durian is a crucial economic crop of Thailand and one of the most exported agricultural products in the world. However, producing high-quality durian requires maintaining the health of durian trees, ensuring they remain strong and disease-free to optimize productivity and minimize potential damage to both the tree and its fruit. Among the various diseases affecting durian, foliar diseases are among the most common and rapidly spreading, directly impacting tree growth and fruit quality. Therefore, monitoring and controlling leaf diseases is essential for preserving durian quality. This study aims to apply image analysis technology combined with artificial intelligence (AI) to classify diseases in durian leaves, enabling farmers to diagnose diseases independently without relying on experts. The classification includes three categories: healthy leaves (H), leaves infected with anthracnose (A), and leaves affected by algal spot (S). To develop the classification model, convolutional neural network (CNN) algorithms—ResNet-50, GoogleNet, and AlexNet—were employed. Experimental results indicate that the classification accuracy of ResNet-50, GoogleNet, and AlexNet is 93.57%, 93.95%, and 68.69%, respectively.
คณะวิศวกรรมศาสตร์
-