In recent years, many people have shown greater interest in plant-based proteins because of their health benefits and lower impact on the environment. This study will look at the physical and chemical properties of chickpeas and red beans. It will also create a plant-based burger that tastes and feels similar to meat-based burgers while providing comparable nutrition. We will steam the ingredients and then analyze important properties such as texture, color, water activity (aW), pH, and how well they retain water and oil. Additionally, we will conduct a sensory evaluation to understand consumer preferences.
ในปัจจุบัน แพลนเบส (Plant-based) หรือโปรตีนจากพืชได้รับความสนใจมากขึ้น เนื่องจากมีประโยชน์ต่อสุขภาพและช่วยลดผลกระทบต่อสิ่งแวดล้อม เมื่อเทียบกับโปรตีนจากเนื้อสัตว์ ซึ่งมีการปล่อยก๊าซเรือนกระจกสูงและใช้ทรัพยากรมาก เช่น น้ำและที่ดิน อย่างไรก็ตาม การผลิตเนื้อสัตว์บางประเภท เช่น โค อาจมีข้อดีต่อระบบนิเวศบางด้านพืชตระกูลถั่ว เป็นแหล่งโปรตีนจากพืชที่สำคัญ เพราะมีคุณค่าทางโภชนาการสูงและช่วยลดการใช้ปุ๋ยเคมีโดยการตรึงไนโตรเจน นอกจากนี้ การบริโภค เบอร์เกอร์จากพืช ยังช่วยลดระดับคอเลสเตอรอล ลดความเสี่ยงต่อโรคหัวใจ เบาหวาน และมะเร็งลำไส้ใหญ่ เนื่องจากมีไขมันอิ่มตัวต่ำและเส้นใยอาหารสูงในด้าน ความยั่งยืน การลดการบริโภคเนื้อสัตว์และหันมาใช้พืชตระกูลถั่วในผลิตภัณฑ์ทดแทนเนื้อ เช่น เบอร์เกอร์จาก ถั่วลูกไก่ และถั่วแดง สามารถช่วยลดผลกระทบต่อสิ่งแวดล้อมได้การวิจัยนี้ มุ่งเน้นศึกษาคุณสมบัติทางกายภาพและเคมีของถั่วทั้ง 2 ชนิด รวมถึงการพัฒนาสูตร เบอร์เกอร์เนื้อเทียม เพื่อให้มีรสชาติ เนื้อสัมผัส และคุณค่าทางโภชนาการที่ใกล้เคียงกับเนื้อสัตว์ และตอบโจทย์กลุ่มผู้บริโภคที่ต้องการลดการบริโภคเนื้อสัตว์
คณะบริหารธุรกิจ
This project aims to develop seafood dipping sauce and Jaew sauce in solid cube form to address the limitations of liquid sauces, which can be difficult to carry and prone to spillage, as well as powdered sauces, which may lose their texture and authentic flavor. The research and development process focuses on utilizing distinct ingredients and innovative production techniques to enhance the quality and functionality of the product. The primary objective of this project is to introduce an innovative solution that improves the convenience of consumption and transportation while preserving the original taste and quality of traditional dipping sauces. The expected outcome is a novel dipping sauce product in solid cube form that is easy to carry, minimizes the risk of spillage, and holds potential for commercial development in the food industry.
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.
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.