KMITL Innovation Expo 2025 Logo

โครงสร้างแบบโครงคร่าวแบบรวมสำหรับคำบรรยายอัตโนมัติและการแบ่งส่วนความเสียหายในการวิเคราะห์ความเสียหายของรถยนต์

รายละเอียด

งานวิจัยนี้นำเสนอวิธีการเรียนรู้เชิงลึกเพื่อสร้างคำบรรยายอัตโนมัติจากการแบ่งส่วนความเสียหายของชิ้นส่วนรถยนต์ โดยการวิเคราะห์จากข้อมูลภาพของรถยนต์โดยใช้โครงสร้างแบบโครงคร่าวแบบรวม (Unified Framework) เพื่อช่วยให้สามารถระบุตำแหน่งและอธิบายความเสียหายที่เกิดขึ้นกับรถยนต์ได้อย่างแม่นยำและรวดเร็ว โดยการพัฒนาประยุกต์จากพื้นฐานงานวิจัยที่มีชื่อว่า ”GRiT: A Generative Region-to-text Transformer for Object Understanding” ที่ผู้วิจัยได้ทำการพัฒนาและปรับแต่งให้เหมาะสมกับการวิเคราะห์ภาพที่เกี่ยวข้องกับรถยนต์โดยเฉพาะ การปรับปรุงนี้มีจุดประสงค์เพื่อทำให้แบบจำลองสามารถสร้างคำบรรยายสำหรับบริเวณต่างๆ ของรถยนต์ได้อย่างแม่นยำ ตั้งแต่บริเวณที่ได้รับความเสียหายไปจนถึงการระบุส่วนประกอบต่างๆ บนรถยนต์ ทางผู้วิจัยได้เน้นการพัฒนาเทคนิคการเรียนรู้เชิงลึกเพื่อสร้างคำบรรยายอัตโนมัติและการแบ่งส่วนความเสียหายในการวิเคราะห์ความเสียหายของรถยนต์ เพื่อช่วยให้สามารถระบุตำแหน่งและอธิบายความเสียหายที่เกิดขึ้นกับยานยนต์ได้อย่างแม่นยำ ช่วยเพิ่มความรวดเร็ว ลดภาระของผู้เชี่ยวชาญในการประเมินความเสียหาย โดยวิธีการเเบบดั้งเดิมอาศัยการประเมินจากผู้เชี่ยวชาญเท่านั้น มีค่าใช้จ่ายสูงและใช้เวลานาน เพื่อลดปัญหานี้ ทางเราเสนอให้ใช้ประโยชน์จากการสร้างข้อมูลเพื่อฝึกฝนการสร้างคำบรรยายาย เเละ แบ่งส่วนความเสียหายอย่างอัตโนมัติ โดยใช้ โครงสร้างแบบโครงคร่าวแบบรวม ซึ่งการพัฒนานี้เป็นการขยายความสามารถของแบบจำลองให้สามารถประยุกต์ใช้ได้กว้างขวางมากขึ้นในภาคส่วนของยานยนต์ ทางผู้วิจัยได้สร้างชุดข้อมูลใหม่จาก CarDD ซึ่งเป็นชุดข้อมูลที่เฉพาะเจาะจงสำหรับการตรวจจับความเสียหายของรถยนต์ ในชุดข้อมูลนี้มีการติดป้ายกำกับความเสียหายบนรถยนต์ และผู้วิจัยได้นำข้อมูลชุดดังกล่าวมาเข้าสู่แบบจำลองเพื่อแยกส่วนของรถยนต์เป็นชิ้นส่วนต่างๆ เพื่อจัดทำการติดป้ายกำกับคำอธิบายที่แม่นยำสำหรับแต่ละชิ้นส่วนและหมวดหมู่ความเสียหาย ผลลัพธ์เบื้องต้นจากเเบบจำลอง แสดงให้เห็นถึงความสามารถในการสร้างคำบรรยายอัตโนมัติและการแบ่งส่วนความเสียหายในการวิเคราะห์ความเสียหายของรถยนต์ได้อยู่ในเกณฑ์พอใช้ ด้วยผลลัพธ์นี้ เเบบจำลองนี้ถือเป็นพื้นฐานสำคัญที่จะถูกพัฒนาต่อยอดในอนาคต การพัฒนาต่อยอดนี้ไม่เพียงแต่มุ่งเน้นที่การเพิ่มประสิทธิภาพในการแบ่งส่วนความเสียหายและสร้างคำบรรยายเท่านั้น แต่ยังรวมถึงการปรับปรุงความสามารถในการตอบสนองต่อความหลากหลายของความเสียหายที่เกิดขึ้นบนพื้นผิวและส่วนต่างๆ ของรถยนต์ ซึ่งจะช่วยให้ระบบสามารถประยุกต์ใช้ได้กับยานยนต์หลากหลายรูปแบบและสภาพความเสียหายที่แตกต่างกันมากขึ้นในอนาคต

วัตถุประสงค์

ในปัจจุบัน การประเมินความเสียหายที่เกิดขึ้นกับรถยนต์เป็นงานที่ซับซ้อนและต้องการความเชี่ยวชาญจากผู้ประเมินที่มีประสบการณ์ เนื่องจากลักษณะความเสียหายแต่ละกรณีมีความแตกต่างกัน โดยต้องพิจารณาหลายปัจจัย เช่น ชนิดของความเสียหายและตำแหน่งที่ได้รับผลกระทบ การขาดมาตรฐานการประเมินที่ชัดเจนและความแตกต่างในวิธีการของผู้เชี่ยวชาญแต่ละคน อาจนำไปสู่ความไม่สอดคล้องในการตัดสินใจ ทำให้เกิดความล่าช้าในการซ่อมแซมและการเบิกจ่ายค่าสินไหมทดแทนที่ขาดมาตรฐาน ซึ่งกลายเป็นความท้าทายสำคัญที่ภาคประกันภัยต้องเผชิญ ในปี 2021 สหรัฐอเมริกามีรายงานอุบัติเหตุบนท้องถนนสูงถึง 1,767,116 ครั้ง ซึ่งเพิ่มขึ้น 13.3% จากปี 2011 แนวโน้มนี้สอดคล้องกับการเคลมค่าสินไหมที่เพิ่มขึ้น9%ในปี2022เมื่อเทียบกับปี2021ซึ่งเป็นผลจากค่าใช้จ่ายในการซ่อมแซมที่สูงขึ้นและภาวะเงินเฟ้อ ส่งผลให้ต้นทุนของภาคประกันภัยเพิ่มขึ้นอย่างมีนัยสำคัญ การเพิ่มขึ้นของจำนวนอุบัติเหตุและต้นทุนการซ่อมแซมได้นำไปสู่ความท้าทายหลักสองประการประการแรกคือ ความรวดเร็วและความแม่นยำในการประเมินความเสียหาย ซึ่งเป็นปัจจัยสำคัญในการปรับปรุงประสิทธิภาพของกระบวนการซ่อมแซมและการเบิกค่าสินไหม การประเมินด้วยมนุษย์อาจเกิดความล่าช้าและข้อผิดพลาด ทำให้เกิดความไม่พึงพอใจในด้านบริการของผู้เอาประกันภัย ประการที่สองคือการขาดมาตรฐานการประเมินความเสียหายที่ชัดเจนวิธีการประเมินของผู้เชี่ยวชาญที่แตกต่างกันอาจส่งผลให้เกิดความไม่สอดคล้องในการประเมินราคาและข้อเสนอแนะสำหรับการซ่อมแซมนอกจากนี้การขาดมาตรฐานกลางยังอาจก่อให้เกิดความไม่เป็นธรรมระหว่างบริษัทประกันและผู้เอาประกันภัย เนื่องจากการตีความขอบเขตความเสียหายที่แตกต่างกัน เพื่อแก้ปัญหานี้ แนวคิด การแบ่งส่วนความเสียหาย (Damage Segmentation) ได้ถูกเสนอให้เป็นเครื่องมือในการระบุและจำแนกความเสียหายตามส่วนต่าง ๆ ของรถยนต์ วิธีนี้ช่วยให้เกิดมาตรฐานในการประเมินและเพิ่มความรวดเร็วและแม่นยำในการประเมิน อย่างไรก็ตาม งานวิจัยส่วนใหญ่ที่เกี่ยวกับการแบ่งส่วนความเสียหายของรถยนต์ มักเน้นเพียงการแยกแยะความเสียหายออกจากพื้นที่โดยรอบ แต่ไม่ได้ระบุชิ้นส่วนที่เสียหายอย่างชัดเจน ขณะที่งานวิจัยบางชิ้นมุ่งเน้นแค่การแบ่งส่วนชิ้นส่วนของรถยนต์แยกกันเท่านั้น จากการศึกษาข้อมูลในปัจจุบัน ไม่พบงานวิจัยใดที่พยายามผสานเทคนิคการแบ่งส่วนความเสียหายร่วมกับการแบ่งส่วนชิ้นส่วนของรถยนต์ เพื่อสร้างความเข้าใจที่ครอบคลุม ด้วยเหตุนี้ งานวิจัยนี้จึงมุ่งเน้นการพัฒนา คำบรรยายอัตโนมัติ (Image Captioning) ร่วมกับการแบ่งส่วนความเสียหายซึ่งไม่เพียงแค่ระบุประเภทความเสียหาย แต่ยังสามารถระบุชิ้นส่วนที่ได้รับความเสียหายจากภาพถ่ายปัจจุบันงานวิจัยเกี่ยวกับคำบรรยายอัตโนมัติ ส่วนใหญ่เน้นการบรรยายภาพในเชิงทั่วไป เช่น การระบุวัตถุหรือกิจกรรมภายในภาพ แม้ว่าจะมีงานที่บูรณาการระหว่างการแบ่งส่วนผนวกเข้ากับคำบรรยาย แต่ยังไม่มีงานใดที่เจาะจงบรรยายภาพเพื่อระบุความเสียหายของรถยนต์โดยเฉพาะ วิธีการนี้จะช่วยสร้างมาตรฐานใหม่ในการประเมินความเสียหายของยานพาหนะ ลดข้อผิดพลาดจากการประเมินด้วยมนุษย์ และเพิ่มความรวดเร็วในการประเมินได้อย่างมีประสิทธิภาพ

นวัตกรรมอื่น ๆ

การทำนายดัชนีคุณภาพอากาศด้วยวิธีการเรียนรู้ของเครื่องแบบรวมกลุ่ม

คณะวิทยาศาสตร์

การทำนายดัชนีคุณภาพอากาศด้วยวิธีการเรียนรู้ของเครื่องแบบรวมกลุ่ม

ปัญหาพิเศษนี้มีวัตถุประสงค์เพื่อศึกษาและเปรียบเทียบประสิทธิภาพการทำนายดัชนีคุณภาพอากาศ (AQI) ด้วยวิธีการเรียนรู้ของเครื่องแบบรวมกลุ่ม 5 วิธี ได้แก่ วิธีป่าสุ่ม วิธี XGBoost วิธี CatBoost วิธีรวมกลุ่มป่าสุ่มและ XGBoost และวิธีรวมกลุ่มป่าสุ่ม SVR และ MLP โดยใช้ชุดข้อมูลจากกรมควบคุมมลพิษกลางของประเทศอินเดีย (CPCB) ซึ่งชุดข้อมูลประกอบด้วยตัวแปรด้านมลพิษ 15 ตัวแปร และข้อมูลด้านสภาพอากาศ 9 ตัวแปร เก็บรวบรวมตั้งแต่มกราคม ค.ศ. 2021 ถึงธันวาคม ค.ศ. 2023 มีจำนวนข้อมูล 1,024,920 ค่า และวิธีการที่ใช้วัดประสิทธิภาพ 3 วิธี ได้แก่ รากของค่าคลาดเคลื่อนกำลังสองเฉลี่ย (Root Mean Square Error : RMSE) ค่าคลาดเคลื่อนสัมบูรณ์เฉลี่ย (Mean Absolute Error : MAE) และสัมประสิทธิ์การกำหนด (Coefficient of Determination) ผลการศึกษาพบว่าวิธีรวมกลุ่มป่าสุ่มและ XGBoost มีค่าวัดประสิทธิภาพทั้ง 3 วิธีดีที่สุด โดยมีค่า RMSE น้อยที่สุดเท่ากับ 0.1040 ค่า MAE น้อยที่สุดเท่ากับ 0.0675 และค่า มากที่สุดเท่ากับ 0.8128 แล้วทำการอธิบายผลลัพธ์จากการเรียนรู้ของเครื่องสำหรับสร้างแผนภาพด้วย SHAP ของวิธีการเรียนรู้ของเครื่องทั้ง 5 วิธี ทุกวิธีได้ข้อสรุปในทำนองเดียวกันคือตัวแปรที่มีผลกระทบต่อ ค่าทำนายโดยรวมมากที่สุด 2 อันดับแรกคือตัวแปร PM2.5 และ PM10 ตามลำดับ

ระบบเล็งอาวุธ

คณะวิศวกรรมศาสตร์

ระบบเล็งอาวุธ

โปรเจคนี้มีเป้าหมายในการพัฒนาต้นแบบของระบบเล็งอาวุธที่จำลองเป็นปืนต่อต้านอากาศยาน โดยใช้กล้องออปติคอลเพื่อตรวจจับวัตถุที่เคลื่อนที่และคำนวณวิถีแบบ Real time ผลลัพธ์ที่ได้นั้นจะส่งไปยังเลเซอร์พอยน์เตอร์บนมอเตอร์ 2 แกนหมุน แบบ degrees of freedom(DoF) ส่งผลให้สามารถเล็งไปยังเป้าหมายที่คาดการณ์ไว้ได้ ระบบนี้ถูกสร้างขึ้นบนแพตฟอร์มของ Raspberry Pi 4 ร่วมกับซอฟแวร์ machine vision โปรแกรมการ tracking นั้นถูกพัฒนาภายใต้ไลบรารีของ OpenCV โดยอาศัย color detections algorithms ผลการทดลองตอนนี้สามารถตรวจจับการเคลื่อนไหวของลูกเทนนิสแบบ real time ที่อัตรา 30 เฟรมต่อวินาที(fps) ขณะนี้โปรเจคอยู่นขั้นตอนการออกแบบและทดลองกับระบบแมคคานิคเพื่อควบคุมเลเซอร์พอยน์เตอร์ให้แม่นยำ โปรเจคนี้มีการนำความรู้ทางด้านอิเล็กทรอนิกส์(computer programing) และวิศวกรรมเครื่องกล(การควบคุมมอเตอร์)มาใช้งาน

การทดสอบเครื่องอัดประจุไฟฟ้าของยานยนต์ไฟฟ้าตามมาตรฐาน  IEC 61851-1 ภาคผนวก A

คณะวิศวกรรมศาสตร์

การทดสอบเครื่องอัดประจุไฟฟ้าของยานยนต์ไฟฟ้าตามมาตรฐาน IEC 61851-1 ภาคผนวก A

โครงงานนี้มุ่งเน้นการพัฒนาอุปกรณ์ทดสอบเครื่องอัดประจุของยานยนต์ไฟฟ้าแบบกระแสสลับ (AC Charger) ตามมาตรฐาน IEC 61851-1 ภาคผนวก A โดยการจำลองวงจรทดสอบภายในยานยนต์ไฟฟ้าตามมาตฐาน เพื่อใช้ทดสอบการทำงานของเครื่องอัดประจุไฟฟ้ากระแสสลับ โดยในหัวข้อการทดสอบเกี่ยวข้องกับการสื่อสารระหว่างยานยนต์ไฟฟ้ากับเครื่องอัดประจุผ่านระบบวงจรควบคุมด้วยสัญญาณ Pulse Width Modulation (PWM) และจัดทำคู่มือปฏิบัติงาน (WI) เพื่อเตรียมการทดสอบให้เป็นไปตามมาตรฐาน ISO/IEC 17025 ซึ่งเป็นข้อกำหนดทั่วไปว่าด้วยความสามารถห้องปฏิบัติการในการดำเนินการทดสอบและ/ หรือสอบเทียบ ซึ่งภาพรวมของโครงการนี้คือ พัฒนาอุปกรณ์ทดสอบและจัดทำคู่มือปฏิบัติงาน โดยได้นำเอาองค์ความรู้และอุปกรณ์ต่างๆมาทำการเก็บข้อมูล จากนั้นนำข้อมูลมาเปรียบเทียบให้เป็นไปตามมาตรฐานข้างต้น เพื่อทดสอบเครื่องอัดประจุไฟฟ้ากระแสสลับ Type II ในแต่ละสถานะ อุปกรณ์การทดสอบประกอบไปด้วยส่วนของการสื่อสารระหว่างอุปกรณ์ทดสอบกับเครื่องอัดประจุไฟฟ้ากระแสสลับ โดยใช้ PLC S7-1200 และ HMI เพื่อควบคุมการทำงานของสวิตช์ในวงจรอุปกรณ์ทดสอบ รวมถึงการควบคุมพารามิเตอร์และแสดงผล ส่วนของอุปกรณ์ที่ใช้วัดค่าออสซิโลสโคปและมัลติมิเตอร์ที่ผ่านกระบวนการสอบเทียบเครื่องมือวัด เพื่อให้สอดคล้องกับมาตฐานที่กำหนดไว้