คณะวิศวกรรมศาสตร์
ปริญญานิพนธ์นี้นำเสนอการใช้การเรียนรู้เชิงลึกสำหรับการจำแนกวัตถุ โดยอัลกอริทึมการเรียนรู้เชิงลึกมีโครงสร้างที่เลือกศึกษา ได้แก่ Convolution Neural Network (CNN) และ ResNet18 รวมถึงการเตรียมข้อมูล การดึงคุณลักษณะ การปรับพารามิเตอร์เพื่อเปรียบเทียบความแม่นยำ และการประเมินประสิทธิภาพของโมเดลที่เลือก เพื่อนำเสนอโมเดลที่มีประสิทธิภาพสำหรับการใช้งานกับอุปกรณ์ช่วยเหลือผู้มีความบกพร่องทางสายตาในการจำแนกวัตถุภายในอาคารและส่งเสียงเตือน
วิทยาลัยนวัตกรรมการผลิตขั้นสูง
งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาเครื่องคัดแยกเฉดสีของพลอยแบบอัตโนมัติ เพื่อลดข้อจำกัดของการคัดแยกเฉดสีโดยอาศัยแรงงานมนุษย์ ซึ่งมีข้อจำกัดในด้านความรวดเร็วและความแม่นยำ งานวิจัยนี้นำเทคโนโลยีการเรียนรู้เชิงลึก (Deep Learning) มาใช้ในการวิเคราะห์และแยกเฉดสีของพลอย โดยพัฒนาอัลกอริทึมที่สามารถตรวจจับและจำแนกเฉดสีได้อย่างแม่นยำ พร้อมด้วยการออกแบบระบบรางอัตโนมัติเพื่อขนส่งพลอยผ่านเครื่องคัดแยกเฉดสีได้อย่างมีประสิทธิภาพ ระบบรางดังกล่าวช่วยให้กระบวนการคัดแยกดำเนินการได้อย่างต่อเนื่อง วิธีการทำงานของเครื่องคัดแยกประกอบด้วยการจับภาพสีของพลอยด้วยกล้องความละเอียดสูง จากนั้นประมวลผลภาพด้วยโปรแกรม เพื่อจำแนกเฉดสีของพลอย และส่งพลอยไปยังตำแหน่งที่กำหนดบนรางอัตโนมัติ ผลการทดลองแสดงให้เห็นว่า เครื่องคัดแยกเฉดสีอัตโนมัติที่รวมระบบรางมีความแม่นยำและรวดเร็วสูง สามารถช่วยลดต้นทุนแรงงานและเพิ่มประสิทธิภาพในการคัดแยกเฉดสีของพลอยได้อย่างมีนัยสำคัญ
วิทยาลัยวิศวกรรมสังคีต
โครงการนี้มุ่งสำรวจศักยภาพของการบำบัดด้วยไบนัวรอลบีท (Binaural Beats) ในสภาพแวดล้อมเสียงสามมิติ โดยมุ่งเน้นผลกระทบของการกำหนดตำแหน่งเสียงบีท (Beat) ในมิติซ้าย-ขวา (L-R) ในตำแหน่งต่างๆ โดยใช้เทคโนโลยี Dolby Atmos เพื่อสร้างประสบการณ์เสียงที่สมจริง งานวิจัยนี้มีเป้าหมายเพื่อศึกษาว่าการจัดตำแหน่งเสียงบีท (Beat) ในมิติต่าง ๆ ในการบำบัดด้วยไบนัวรอลบีท (Binaural Beats) จะมีผลอย่างไรต่อจิตใจและอารมณ์ ไบนัวรอลบีท (Binaural Beats) เป็นรูปแบบหนึ่งของการเหนี่ยวนำคลื่นสมอง (Auditory Brainwave Entrainment) ซึ่งได้รับการพิสูจน์แล้วว่าสามารถช่วยให้เกิดการผ่อนคลาย ลดความวิตกกังวล และเพิ่มประสิทธิภาพในการทำงานของสมองได้ อย่างไรก็ตาม ยังมีการศึกษาเพียงเล็กน้อยเกี่ยวกับวิธีที่เทคโนโลยีเสียงสามมิติ งานวิจัยนี้จะตรวจสอบว่าการกำหนดตำแหน่งเสียงบีท (Beat) ในมิติซ้าย-ขวาที่แตกต่างกันในสภาพแวดล้อมเสียงสามมิติจะส่งผลอย่างไรต่อการรับรู้และผลลัพธ์ในการบำบัด ผู้เข้าร่วมจะได้รับประสบการณ์การบำบัดด้วยไบนัวรอลบีท (Binaural Beats) ในตำแหน่งซ้าย-ขวาต่าง ๆ ของบีท (Beat) โดยจะมีการวัดผลด้านสรีรวิทยา เช่น ความแปรปรวนของอัตราการเต้นของหัวใจ และการประเมินระดับความผ่อนคลายตามการรายงานของผู้เข้าร่วม ผลการวิจัยคาดว่าจะให้ข้อมูลเชิงลึกใหม่เกี่ยวกับปฏิสัมพันธ์ระหว่างสภาพแวดล้อมเสียงสามมิติกับการบำบัดด้วยเสียง ซึ่งอาจช่วยพัฒนาการบำบัดด้วยเสียงให้ดียิ่งขึ้นด้วยการใช้เทคโนโลยีเสียงขั้นสูง
คณะวิทยาศาสตร์
ปัญหามลพิษทางอากาศ โดยเฉพาะฝุ่นละอองขนาดเล็ก PM2.5 เป็นปัญหาสำคัญที่ส่งผลกระทบต่อสุขภาพและสิ่งแวดล้อมในกรุงเทพมหานคร โครงการนี้มีวัตถุประสงค์เพื่อวิเคราะห์และระบุปัจจัยที่มีอิทธิพลต่อระดับของ PM2.5 มากที่สุด โดยใช้ข้อมูลคุณภาพอากาศ สภาพอากาศ และปัจจัยแวดล้อมอื่น ๆ ที่เกี่ยวข้อง เพื่อตรวจสอบว่าปัจจัยใด เช่น อุณหภูมิ ความชื้น ความเร็วลม หรือมลพิษจากแหล่งอื่น มีผลต่อความผันผวนของ PM2.5 ผลการศึกษานี้จะช่วยให้สามารถระบุปัจจัยสำคัญที่ส่งผลต่อปริมาณฝุ่น PM2.5 ได้อย่างเป็นระบบ ซึ่งสามารถนำไปใช้เป็นข้อมูลพื้นฐานสำหรับหน่วยงานภาครัฐ นักวิจัย และประชาชนทั่วไปในการวางแผนรับมือและลดผลกระทบจากมลพิษทางอากาศ นอกจากนี้ ผลลัพธ์ที่ได้ยังสามารถนำไปใช้สนับสนุนการตัดสินใจในการกำหนดนโยบายและมาตรการต่าง ๆ เพื่อปรับปรุงคุณภาพอากาศและสุขภาพของประชาชนในระยะยาว
คณะวิศวกรรมศาสตร์
ระบบสร้างภาษามือไทยเชิงกำเนิดมีเป้าหมายในการพัฒนาแพลตฟอร์ม การสร้างแบบจำลอง 3 มิติและแอนิเมชัน ที่สามารถแปลง ประโยคภาษาไทยเป็นท่าทางภาษามือไทย (TSL) ที่ถูกต้องและเป็นธรรมชาติ โครงการนี้ช่วยเสริมสร้างการสื่อสารสำหรับ ชุมชนผู้บกพร่องทางการได้ยินในประเทศไทย โดยใช้แนวทางที่อิงกับ แลนมาร์ก (Landmark-Based Approach) ผ่านการใช้ Vector Quantized Variational Autoencoder (VQVAE) และ Large Language Model (LLM) ในการสร้างภาษามือ ระบบเริ่มต้นด้วยการ ฝึกโมเดล VQVAE โดยใช้ข้อมูลแลนมาร์กที่สกัดจากวิดีโอภาษามือ เพื่อให้โมเดลเรียนรู้ การแทนค่าแบบแฝง (Latent Representations) ของท่าทางภาษามือไทย หลังจากนั้น โมเดลที่ฝึกแล้วจะถูกใช้เพื่อ สร้างลำดับแลนมาร์กของท่าทางเพิ่มเติม ซึ่งช่วยขยายชุดข้อมูลฝึกโดยอ้างอิงจาก BigSign ThaiPBS Dataset เมื่อชุดข้อมูลได้รับการขยายแล้ว ระบบจะทำการ ฝึก LLM เพื่อสร้างลำดับแลนมาร์กที่ถูกต้องจากข้อความภาษาไทย โดยลำดับแลนมาร์กที่ได้จะถูกนำไปใช้ สร้างแอนิเมชันของโมเดล 3 มิติใน Blender เพื่อให้ได้ท่าทางภาษามือที่ลื่นไหลและเป็นธรรมชาติ โครงการนี้ถูกพัฒนาด้วย Python โดยใช้ MediaPipe สำหรับการสกัดแลนมาร์ก OpenCV สำหรับการประมวลผลภาพแบบเรียลไทม์ และ Blender’s Python API สำหรับสร้างแอนิเมชัน 3 มิติ ด้วยการผสานเทคโนโลยี AI, การเข้ารหัสผ่าน VQVAE และการสร้างแลนมาร์กด้วย LLM ระบบนี้มุ่งหวังที่จะ เชื่อมช่องว่างระหว่างข้อความภาษาไทยและภาษามือไทย เพื่อมอบแพลตฟอร์มการแปลภาษามือแบบโต้ตอบ ในเวลาจริง ให้กับชุมชนผู้บกพร่องทางการได้ยินในประเทศไทย
คณะวิทยาศาสตร์
โครงงานนี้พัฒนาตู้รับซื้ออัตโนมัติสำหรับขวดพลาสติกและกระป๋อง โดยใช้ Machine Learning ในการจำแนกประเภทบรรจุภัณฑ์ผ่านการประมวลผลภาพ ร่วมกับระบบเซนเซอร์อัจฉริยะในการตรวจสอบคุณภาพของบรรจุภัณฑ์และควบคุมการทำงาน ระบบเชื่อมต่อกับ Web Application เพื่อแสดงผลและควบคุมการทำงานแบบเรียลไทม์ เมื่อยืนยันประเภทบรรจุภัณฑ์แล้ว จะคำนวณราคาและจ่ายเงินผ่าน e-wallet หรือออกคูปองแลกเงินสดโดยอัตโนมัติ ระบบนี้สามารถติดตั้งในพื้นที่สาธารณะเพื่อส่งเสริมการคัดแยกขยะตั้งแต่ต้นทาง ช่วยลดการปนเปื้อนและเพิ่มประสิทธิภาพการรีไซเคิล อีกทั้งยังสร้างแรงจูงใจทางการเงินให้ประชาชนมีส่วนร่วมในการจัดการขยะมากขึ้น โครงงานนี้แสดงให้เห็นถึงศักยภาพของการผสมผสาน Machine Learning และระบบเซนเซอร์อัจฉริยะในการพัฒนาโซลูชันการจัดการขยะที่แม่นยำ สะดวก และยั่งยืน **
คณะวิทยาศาสตร์
การดำเนินการวิจัยนี้จะเริ่มจากการทบทวนวรรณกรรมและงานวิจัยที่เกี่ยวข้องเพื่อศึกษาเทคโนโลยีและวิธีการที่มีอยู่ในปัจจุบันสำหรับการรู้จำท่าทางมือและการประยุกต์ใช้ในการควบคุมอุปกรณ์อิเล็กทรอนิกส์ เช่น โดรน หุ่นยนต์ หรือการเล่นเกม ฯลฯ เป็นต้น จากนั้นจะทำการออกแบบและพัฒนาระบบการรู้จำท่าทางมือโดยใช้เทคนิคการเรียนรู้ของเครื่อง (Machine Learning) และการประมวลผลภาพ โดยเน้นการพัฒนาอัลกอริทึมที่สามารถทำงานได้อย่างรวดเร็วและแม่นยำ เหมาะสมกับการควบคุมแบบเรียลไทม์ ระบบที่พัฒนาขึ้นจะถูกทดสอบและปรับปรุงโดยใช้สถานการณ์จำลองต่าง ๆ เพื่อประเมินประสิทธิภาพและความแม่นยำในสภาพแวดล้อมที่หลากหลาย นอกจากนี้ ยังมีการพัฒนาส่วนติดต่อผู้ใช้ (User Interface) ที่ใช้งานง่ายและเป็นมิตรกับผู้ใช้ทุกกลุ่ม รวมถึงการทำวิจัยเชิงคุณภาพเพื่อรับฟังความคิดเห็นและข้อเสนอแนะจากผู้ใช้ทั้งมือใหม่และผู้เชี่ยวชาญ ซึ่งจะนำไปสู่การปรับปรุงและพัฒนาระบบให้ตอบสนองความต้องการของผู้ใช้ได้อย่างแท้จริง ในท้ายที่สุด ผลการวิจัยนี้จะนำไปสู่การพัฒนาต้นแบบระบบควบคุมด้วยการรู้จำท่าทางมือที่มีประสิทธิภาพ ซึ่งสามารถนำไปประยุกต์ใช้ได้จริงในอุตสาหกรรมและการบันเทิง อันจะนำไปสู่การพัฒนานวัตกรรมและเทคโนโลยีใหม่ ๆ ในอนาคต
คณะวิทยาศาสตร์
ในปัจจุบัน การเปลี่ยนแปลงสภาพภูมิอากาศและกิจกรรมของมนุษย์ส่งผลให้แนวปะการังทั่วโลกเผชิญกับภาวะเสื่อมโทรมอย่างรวดเร็ว การตรวจสอบสุขภาพของปะการังจึงมีความสำคัญอย่างยิ่งต่อการอนุรักษ์ระบบนิเวศทางทะเล โครงการนี้มุ่งเน้นการพัฒนาแบบจำลองปัญญาประดิษฐ์ (AI) เพื่อจำแนกสุขภาพของปะการังออกเป็นสี่ประเภท ได้แก่ ปะการังแข็งแรง (Healthy), ปะการังฟอกขาว (Bleached), ปะการังซีด (Pale), และปะการังตาย (Dead) โดยใช้โครงข่ายประสาทเทียมเชิงลึก (Deep Learning) เป็นพื้นฐานในการฝึกสอนแบบจำแนกภาพ ในกระบวนการฝึกแบบจำลอง ได้มีการใช้เทคนิค Cross-Validation (k=5) เพื่อเพิ่มความแม่นยำ พร้อมทั้งบันทึกโมเดลที่มีประสิทธิภาพดีที่สุดหลังการฝึกผลลัพธ์ของโครงการนี้สามารถนำไปประยุกต์ใช้ในการติดตามการเปลี่ยนแปลงของแนวปะการัง และช่วยนักวิทยาศาสตร์ทางทะเลวิเคราะห์ข้อมูลได้อย่างรวดเร็วและแม่นยำยิ่งขึ้น ซึ่งจะเป็นประโยชน์ต่อการวางแผนอนุรักษ์ระบบนิเวศทางทะเลในอนาคต
คณะวิทยาศาสตร์
ในยุคที่ข้อมูลรีวิวสินค้าบนแพลตฟอร์มอีคอมเมิร์ซมีจำนวนมาก การสรุปความคิดเห็นให้เข้าใจง่ายและใช้งานได้จริงจึงเป็นสิ่งสำคัญ งานวิจัยนี้นำเสนอระบบวิเคราะห์รีวิวสินค้าด้วย Aspect-Based Sentiment Analysis (ABSA) ซึ่งเป็นเทคนิคใน Natural Language Processing (NLP) ที่สามารถแยกแยะแง่มุมสำคัญของรีวิว (เช่น การจัดส่ง คุณภาพสินค้า บรรจุภัณฑ์) และวิเคราะห์อารมณ์ (บวก ลบ หรือเป็นกลาง) ของแต่ละแง่มุม ระบบนี้ช่วยให้ผู้บริโภคและร้านค้าสามารถเข้าถึงข้อมูลเชิงลึกได้อย่างมีประสิทธิภาพ โครงการนี้ได้พัฒนา AI สำหรับการวิเคราะห์ ABSA ภาษาไทย โดยใช้ WangchanBERTa ซึ่งฝึกบนข้อมูลภาษาไทย และเปรียบเทียบกับโมเดลต่างๆ เช่น TF-IDF + Logistic Regression, Word2Vec + BiLSTM, และ Multilingual BERT (mBERT/XLM-R) เพื่อประเมินประสิทธิภาพในด้านความแม่นยำ ความเร็ว และการใช้ทรัพยากร นอกจากนี้ยังมีการแสดงผลผ่าน Dashboard Visualization เพื่อให้ผู้ใช้เข้าใจแนวโน้มของรีวิวได้อย่างรวดเร็ว ผลลัพธ์ที่คาดหวังคือการพัฒนาเครื่องมือ AI ที่ใช้งานจริงในอุตสาหกรรมอีคอมเมิร์ซ ช่วยให้ผู้บริโภคตัดสินใจซื้อสินค้าได้ง่ายขึ้น และช่วยร้านค้าในการปรับปรุงผลิตภัณฑ์และบริการได้อย่างมีประสิทธิภาพ