This research will begin with a review of literature and related studies to examine existing technologies and methods for hand gesture recognition and their applications in controlling electronic devices such as drones, robots, and gaming systems. Subsequently, a hand gesture recognition system will be designed and developed using machine learning and computer vision techniques, with a focus on creating an algorithm that operates quickly and accurately, making it suitable for real-time control. The developed system will be tested and refined using various simulated scenarios to evaluate its efficiency and accuracy in diverse environments. Additionally, a user-friendly interface will be developed to ensure accessibility for all user groups. The research will also incorporate qualitative studies to gather feedback from both novice users and experts, which will contribute to further system improvements, ensuring it effectively meets user needs. Ultimately, the findings of this research will lead to the development of a functional prototype for gesture-based control, which can be applied in industries and entertainment. This will contribute to advancements in innovation and new technologies in the future.
ในยุคปัจจุบัน เทคโนโลยีโดรน หุ่นยนต์ และเกมดิจิทัลได้เข้ามามีบทบาทสำคัญในชีวิตประจำวันและอุตสาหกรรมต่าง ๆ มากขึ้นอย่างต่อเนื่อง การควบคุมอุปกรณ์เหล่านี้ส่วนใหญ่ยังคงพึ่งพารีโมทคอนโทรล จอยสติก หรืออุปกรณ์ควบคุมเฉพาะทาง ซึ่งอาจมีข้อจำกัดในด้านความยืดหยุ่น ความเป็นธรรมชาติในการใช้งาน และการเข้าถึงสำหรับผู้ใช้บางกลุ่ม เช่น ผู้พิการ หรือผู้สูงอายุ นอกจากนี้ ในสถานการณ์ที่ต้องการความคล่องตัวสูง เช่น การควบคุมโดรนในพื้นที่จำกัด หรือการเล่นเกมที่ต้องการการตอบสนองที่รวดเร็ว การใช้อุปกรณ์ควบคุมแบบดั้งเดิมอาจเป็นข้อจำกัดในการเพิ่มประสิทธิภาพการทำงานหรือประสบการณ์การเล่นเกม การพัฒนาเทคโนโลยีการรู้จำท่าทางมือ (Hand Gesture Recognition) จึงเป็นแนวทางที่มีศักยภาพอย่างสูงในการแก้ไขปัญหาดังกล่าว โดยเทคโนโลยีนี้สามารถช่วยให้ผู้ใช้ควบคุมโดรน หุ่นยนต์ หรือเล่นเกม ฯลฯ เป็นต้น ได้อย่างเป็นธรรมชาติมากขึ้น เพียงแค่ใช้ท่าทางมือที่กำหนดไว้ ซึ่งนอกจากจะเพิ่มความสะดวกสบายและความคล่องตัวในการควบคุมแล้ว ยังช่วยเพิ่มความสามารถในการเข้าถึงเทคโนโลยีสำหรับผู้ใช้ที่มีข้อจำกัดทางร่างกาย อีกทั้งยังเปิดโอกาสให้มีการพัฒนารูปแบบการควบคุมและการเล่นเกมแบบใหม่ ๆ ที่ไม่เคยมีมาก่อน
คณะวิทยาศาสตร์
Eco Grow Pellets are high-porosity plant-growing clay pellets made from ceramic industrial sediment, blended with ground chicken bone to enhance calcium and essential minerals, promoting strong and healthy plant growth. They are suitable for all types of plants, especially those requiring well-aerated soil with good water drainage. Eco Grow Pellets are an innovative clay-based growing medium designed to optimize plant cultivation efficiency. Their high porosity structure allows for excellent air and water circulation, reducing soil compaction and waterlogging—common causes of root rot and stunted growth. Additionally, the pellets are enriched with calcium and essential minerals from ground chicken bones, reinforcing plant structure and enhancing root strength, enabling better nutrient absorption. This product is made from 100% recycled ceramic industrial sediment, aligning with the principles of Zero Waste and the BCG Economy Model. It helps minimize industrial waste while transforming discarded materials into high-value, eco-friendly growing media. Eco Grow Pellets are ideal for vegetables, flowers, and potted plants, offering ease of use, cleanliness, and safety. They contribute to sustainable agriculture by improving both crop productivity and environmental health.
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
A conceptual model inspired by Art Deco art, using the luxury, elegance, balance and the use of black and gold, which are the characteristics of Art Deco art, to create a conceptual model that is balanced, stable, elegant, sequential to look dynamic and uses black and gold to express Art Deco luxury.
คณะวิศวกรรมศาสตร์
This thesis presents the application of deep learning for object classification. The selected deep learning architectures studied include Convolutional Neural Networks (CNN) and ResNet18. It covers data preparation, feature extraction, parameter tuning for accuracy comparison, and performance evaluation of the selected models. The aim is to propose an efficient model for use in devices that assist visually impaired individuals in classifying indoor objects and providing sound alerts.