The "PRIVARY" product is an innovative herbal jelly beverage designed to support weight management and promote health through the benefits of four Thai herbs: roselle, safflower, chrysanthemum, and bitter melon. These herbs are rich in active compounds such as flavonoids, beta-carotene, and anthocyanins, which help reduce blood lipids, prevent inflammation, and exhibit antioxidant properties. The product emphasizes convenience and caters to health-conscious consumers using advanced production techniques like Inverse and External Gelation to create spheres encapsulating key bioactive compounds. Additionally, the product aligns with sustainability goals by enhancing the value of Thai herbs and supporting local communities.
ปัจจุบันการควบคุมน้ำหนักและสุขภาพเป็นเรื่องที่สำคัญสำหรับหลายคนแต่บ่อยครั้งที่การเลือกกินของหวานหรือขนมทำให้เรารู้สึกว่ากำลังละเมิดแผนควบคุมน้ำหนักของเราและกลัวว่าจะอ้วนหรือมีปัญหาสุขภาพตามมา เพื่อตอบโจทย์นี้ เราจึงได้แรงบันดาลใจในการพัฒนาเครื่องดื่มสมุนไพรในรูปแบบเยลลี่ที่ไม่เพียงแต่มีสรรพคุณในการช่วยควบคุมน้ำหนักและลดความอ้วน แต่ยังช่วยทำให้ร่างกายมีสุขภาพดีขึ้นด้วย โดยไม่ต้องพึ่งผลิตภัณฑ์เสริมหรือยาลดน้ำหนักที่อาจมีผลข้างเคียงที่เป็นอันตราย โดยผลิตภัณฑ์ของเราจะไม่เป็นเพียงแค่เครื่องดื่มสมุนไพรธรรมดา แต่จะถูกพัฒนาให้อยู่ในรูปแบบเครื่องดื่มเยลลี่ที่มีเม็ดสเฟียร์เป็นองค์ประกอบในเครื่องดื่มเพื่อสร้างความเพลิดเพลินในการรับประทาน และสามารถทานได้ง่ายเหมือนกินขนมที่ชื่นชอบ
คณะวิทยาศาสตร์
Albumin Smart Test is an innovative device for screening of kidney disease by mobile phone. The device composes of (1) container and testing device with specific reagents for the albumin detection. (2) The mobile phone, installed with "Albumin smart test" application. The test is started by dropping patient urine and the reagent. Color of the product is occurred and is captured by the application with subsequent evaluation of the albumin amount. The results is displayed on screen within 3 mins. This innovative device is simple, rapid and user-friendly.
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.
วิทยาลัยอุตสาหกรรมการบินนานาชาติ
The capture of a target spacecraft by a chaser is an on-orbit docking operation that requires an accurate, reliable, and robust object recognition algorithm. Vision-based guided spacecraft relative motion during close-proximity maneuvers has been consecutively applied using dynamic modeling as a spacecraft on-orbit service system. This research constructs a vision-based pose estimation model that performs image processing via a deep convolutional neural network. The pose estimation model was constructed by repurposing a modified pretrained GoogLeNet model with the available Unreal Engine 4 rendered dataset of the Soyuz spacecraft. In the implementation, the convolutional neural network learns from the data samples to create correlations between the images and the spacecraft’s six degrees-of-freedom parameters. The experiment has compared an exponential-based loss function and a weighted Euclidean-based loss function. Using the weighted Euclidean-based loss function, the implemented pose estimation model achieved moderately high performance with a position accuracy of 92.53 percent and an error of 1.2 m. The in-attitude prediction accuracy can reach 87.93 percent, and the errors in the three Euler angles do not exceed 7.6 degrees. This research can contribute to spacecraft detection and tracking problems. Although the finished vision-based model is specific to the environment of synthetic dataset, the model could be trained further to address actual docking operations in the future.