Freshwater scarcity is a global crisis due to limited accessible freshwater resources and rising demand. Seawater desalination is a key solution but is energy-intensive and reliant on fossil fuels, leading to high costs and environmental impacts. This study aims to investigate the use of solar thermal energy from an evacuated tube collector for freshwater production via evaporation and condensation. The focus is on analyzing system efficiency by comparing freshwater yield with energy input. The findings may contribute to the development of sustainable desalination technologies suitable for freshwater-scarce regions.
ปัจจุบันโลกปกคลุมด้วยน้ำถึง 70% ของพื้นที่ทั้งหมด แต่มีทรัพยากรน้ำที่เป็นน้ำจืด (fresh water) ที่สามารถใช้อุปโภค บริโภคได้เพียง 3% ประกอบกับจำนวนประชากรที่เพิ่มสูงขึ้นอย่างต่อเนื่อง จึงเกิดวิกฤตการขาดแคลนน้ำ การแยกเกลือออกจากน้ำทะเลเป็นแนวทางสำคัญในการแก้ไขปัญหานี้ โดยงานวิจัยของเรามุ่งพัฒนาเทคโนโลยีแยกเกลือออกจากน้ำทะเลโดยใช้พลังงานแสงอาทิตย์ ผ่านระบบท่อสุญญากาศ (ETSC) เพื่อลดต้นทุน พึ่งพาพลังงานสะอาด และเพิ่มประสิทธิภาพการผลิตน้ำจืด โดยเฉพาะในพื้นที่แห้งแล้งที่ขาดแคลนน้ำ
คณะวิศวกรรมศาสตร์
This project focuses on the development of an automatic license plate recognition system that supports both standard and special license plates in Thailand. By utilizing Machine Learning technology, the system enhances the efficiency of license plate reading. It can process data from both images and videos. Users can register and subscribe to the service, allowing them to send data for processing through RESTful API, WebSocket, and registered IP cameras.
คณะวิศวกรรมศาสตร์
This project aims to develop an AI-powered system for detecting and classifying wall cracks using image processing. It identifies different crack types, assesses severity, and ensures accuracy across various image conditions. The goal is to support preventive maintenance by enabling early detection of structural issues, reducing repair costs, and improving safety.
คณะวิศวกรรมศาสตร์
Jaundice, a common condition in infants that results from high bilirubin levels in the blood, often requires early diagnosis and monitoring to prevent severe complications, especially in newborns. Traditional diagnostic methods can be time-consuming and subject to human error. This study proposes an approach for real-time jaundice detection using advanced image processing techniques and machine learning algorithms. By analyzing images captured in RGB color spaces, pixel values are extracted and processed through Otsu’s thresholding and morphological operations to detect color patterns indicative of jaundice. A classifier model is then trained to distinguish between normal and jaundiced conditions, offering an automated, accurate, and efficient diagnostic tool. The system’s potential to operate in real-time makes it particularly suited for clinical settings, providing healthcare professionals with timely insights to improve patient outcomes. The proposed method represents a significant innovation in healthcare, combining artificial intelligence and medical imaging to enhance the early detection and management of jaundice, reducing reliance on manual interventions and improving overall healthcare delivery.