This thesis project was conducted to identify the optimal conditions for producing concentrated butterfly pea juice using vacuum evaporation to preserve key compounds in butterfly pea flowers, such as anthocyanins—natural pigments with high antioxidant properties. The study applies a Box-Behnken Design, a statistical method that facilitates analysis of multiple factors. The research focuses on the ratio of dried butterfly pea flowers to water, extraction temperature, and evaporation temperature, each of which has a direct effect on the preservation of key compounds, color, aroma, and flavor. The results indicate that using a dried flower-to-water ratio of 1:15, an extraction temperature of 60°C, and an evaporation temperature of 40°C under low pressure can minimize the loss of essential compounds and best retain the properties of the concentrated butterfly pea juice. Findings from this research provide a foundation for developing an industrial production process for concentrated butterfly pea juice and enhance the potential for creating new products from butterfly pea flowers.
อัญชัน (Clitoria ternatea L.) เป็นพืชท้องถิ่นพบได้ทั่วไปในทุกภูมิภาคของประเทศไทย มีดอกสีน้ำเงิน-ม่วง ลักษณะ ใบ ดอก และลําต้น ซึ่งภายในดอกอัญชันมีสารแอนโทไซยานิน (anthocyanin) จัดเป็นสารรงควัตถุ (pigment) ที่ให้สีแดง สีม่วง และสีน้ำเงิน สามารถละลายน้ำได้ดี และยังมีคุณสมบัติความเป็น อินดิเคเตอร์ (indicator) เช่นเดียวกับ ลิตมัส (Morris, 2009) แอนโทไซยานินเป็นสารต้านอนุมูลอิสระที่ ช่วยปกป้องเซลล์ในร่างกายจากความเสียหายที่เกิดจากอนุมูลอิสระ ซึ่งเป็นสาเหตุของโรคต่างๆ เช่น มะเร็ง โรคหัวใจ และความเสื่อมของเซลล์ สารชนิดนี้มีฤทธิ์ลดการอักเสบในร่างกาย ช่วยบรรเทาอาการของโรคที่เกี่ยวข้องกับการอักเสบ เช่น โรคข้ออักเสบ แอนโทไซยานินช่วยเพิ่มการไหลเวียนโลหิตไปยังดวงตา ช่วยป้องกันโรคเกี่ยวกับตา เช่น ต้อกระจก และต้อหิน มีการศึกษาพบว่าแอนโทไซยานินอาจช่วยปรับปรุงหน่วยความจำและการเรียนรู้ ช่วยชะลอความเสื่อมของสมอง และลดความเสี่ยงของโรคอัลไซเมอร์ อาจช่วยควบคุมระดับน้ำตาลในเลือด และลดความเสี่ยงของโรคเบาหวาน ช่วยลดความเสี่ยงของโรคหัวใจและหลอดเลือด โดยการลดระดับคอเลสเตอรอลและไตรกลีเซอไรด์ในเลือด ช่วยต่อต้านอนุมูลอิสระที่ทำลายคอลลาเจนและอีลาสตินในผิวหนัง ช่วยให้ผิวพรรณดูอ่อนเยาว์ ชุ่มชื้น และมีสุขภาพดี จึงแนวคิดที่ดีเพื่อเป็นทางเลือกของผู้บริโภคที่หลากหลาย (Hock Eng Khoo, et al., 2017) ปัจจุบันนี้ แอนโทไซยานินจัดเป็นรงควัตถุที่ได้รับความสนใจจากนักวิจัยเป็นอันมาก ซึ่งคุณสมบัติเด่นที่สุดของแอนโทไซยานิน คือ ประสิทธิภาพในการต้านอนุมูลอิสระ โดยมีประสิทธิภาพในการต้านอนุมูลอิสระสูงกว่าวิตามินซีและอีถึง 2 เท่า ปริมาณสารแอนโทไซยานินที่มนุษย์เราสามารถบริโภคได้ เฉลี่ยสูงสุด คือ 200 mg/วัน (กรมวิทยาศาสตร์บริการ, 2553) จากความสำคัญที่กล่าวมาจึงก่อให้เกิดโครงการสกัดสารแอนโทไซยานินจากดอกอัญชันแห้งด้วยเครื่องระเหยเข้มข้นเพื่อมูลค่าให้กับผลผลิตของเกษตรกรไทย
คณะเทคโนโลยีสารสนเทศ
Facial Expression Recognition (FER) has attracted considerable attention in fields such as healthcare, customer service, and behavior analysis. However, challenges remain in developing a robust system capable of adapting to various environments and dynamic situations. In this study, the researchers introduced an Ensemble Learning approach to merge outputs from multiple models trained in specific conditions, allowing the system to retain old information while efficiently learning new data. This technique is advantageous in terms of training time and resource usage, as it reduces the need to retrain a new model entirely when faced with new conditions. Instead, new specialized models can be added to the Ensemble system with minimal resource requirements. The study explores two main approaches to Ensemble Learning: averaging outputs from dedicated models trained under specific scenarios and using Mixture of Experts (MoE), a technique that combines multiple models each specialized in different situations. Experimental results showed that Mixture of Experts (MoE) performs more effectively than the Averaging Ensemble method for emotion classification in all scenarios. The MoE system achieved an average accuracy of 84.41% on the CK+ dataset, 54.20% on Oulu-CASIA, and 61.66% on RAVDESS, surpassing the 71.64%, 44.99%, and 57.60% achieved by Averaging Ensemble in these datasets, respectively. These results demonstrate MoE’s ability to accurately select the model specialized for each specific scenario, enhancing the system’s capacity to handle more complex environments.
คณะวิศวกรรมศาสตร์
This project objectives are 1) investigate the utilization of coconut husk and rubber latex in construction applications, 2) determine the optimal ratio of coconut husk and rubber latex mixtures, and 3) test the properties of ceiling panels made from coconut husk and rubber latex composite under Thai Industrial Standard (TIS) 219-2552 for gypsum ceiling boards. The methodology involves the following steps: 1) planning the project, 2) designing the mixture for the coconut husk and rubber latex composite ceiling panels, 3) producing the composite ceiling panels, 4) testing the product for properties according to TIS 219-2552 for gypsum ceiling boards, and 5) summarizing the test results.
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.