ขนมทองโบราณ หรือที่พื้นที่เรียกกันว่าขนมขี้มัน ซึ่งเป็นขนมที่มีส่วนผสมของแป้งที่ทำมาจากข้าวเหลืองปะทิว
เป็นการเรียนในหลักสูตรและรายวิชาเกี่ยวกับเศรษฐศาสตร์ธุรกิจ ได้เรียนรู้การทำธุรกิจ
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
งานวิจัยนี้มีจุดประสงค์เพื่อศึกษาแนวทางและพัฒนาต้นแบบแอปพลิเคชันสำหรับผู้ใช้งานรถโดยสารสาธารณะ เพื่อการวางแผนการเดินทาง และเพิ่มความปลอดภัยในการใช้รถโดยสารสาธารณะแบบต่าง ๆ สำหรับเดินทางมายังสถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง โดยมีวัตถุประสงค์ดังนี้ 1) เพื่อศึกษาปัจจัยด้านการออกแบบประสบการณ์ของผู้ใช้ (User Experience : UX) และการออกแบบส่วนต่อประสานของผู้ใช้ (User Interface : UI) ที่มีผลต่อผู้ใช้แอปพลิเคชันสำหรับการใช้รถโดยสารสาธารณะ 2) เพื่อศึกษาความต้องการของผู้ใช้งานแอปพลิเคชันรถโดยสารสาธารณะที่ต้องเดินทางมายังสถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง 3) เพื่อนำเสนอแนวทางการออกแบบประสบการณ์ของผู้ใช้ (User Experience : UX) และการออกแบบส่วนต่อประสานของผู้ใช้ (User Interface : UI) และผลิตต้นแบบของแอปพลิเคชันสำหรับใช้รถโดยสารสาธารณะเพื่อการเดินทางมายังสถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง โดยมีการศึกษาการทบทวนวรรณกรรมเกี่ยวกับการออกแบบประสบการณ์ของผู้ใช้ (User Experience: UX) การออกแบบส่วนต่อประสานของผู้ใช้ (User Interface: UI) รวมถึงการศึกษาตัวอย่างเกี่ยวกับแอปพลิเคชันสำหรับการเดินทางโดยรถโดยสารสาธารณะ และศึกษาจุดขึ้นรถสาธารณะโดยรอบสถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง การศึกษางานวิจัยเรื่องนี้ได้มีการวิจัยเชิงคุณภาพ โดยมีตัวอย่างการใช้แอปพลิเคชันที่เกี่ยวข้องประกอบการสัมภาษณ์กลุ่มเป้าหมายที่เป็นนักศึกษาในสถาบัน อายุ 18 ถึง 35 ปี เพื่อศึกษาข้อมูลให้ต้นแบบในการพัฒนาแอปพลิเคชันที่ตอบสนองความต้องการ และให้ข้อมูลที่เป็นประโยชน์ต่อผู้ใช้งานอย่างแท้จริง ผลการวิจัยพบว่ารถโดยสารสาธารณะที่กลุ่มเป้าหมายมีการใช้งานมากที่สุดคือรถสองแถว, รถไฟ, รถไฟฟ้าแอร์พอร์ต เรลลิงก์, วินมอเตอร์ไซค์ และรถเมล์ตามลำดับ ผู้ใช้งานมีความกังวลในด้านความปลอดภัยต่าง ๆ และต้องการให้มีการออกแบบฟีเจอร์เพื่อเพิ่มความปลอดภัย ความมั่นใจใน การใช้รถโดยสารสาธารณะที่มากขึ้นของนักศึกษา เช่น การส่งตำแหน่งไปยังเจ้าหน้าที่ที่เกี่ยวข้องเมื่อเกิดเหตุฉุกเฉินหรือต้องการความช่วยเหลือ และข้อมูลสำคัญเกี่ยวกับรถโดยสารสาธารณะที่นักศึกษาต้องการ เช่นการคำนวณราคา คำนวณเวลาเดินทาง รอบการเดินรถ จุดขึ้นลงที่เป็นทางการและชัดเจน เส้นทางการเดินรถ การลงทะเบียนคนขับ ข้อเสนอแนะหรือการแนะนำเส้นทาง และเวลาของรถโดยสารสาธารณะที่เข้ามาถึงจุดที่ผู้ใช้งานรออยู่ เป็นต้น และนำเสนอแนวทางการออกแบบประสบการณ์ของผู้ใช้ (User Experience : UX) จากการวิเคราะห์ข้อมูลของกลุ่มเป้าหมายซึ่งเป็นการจัดลำดับความสำคัญของลักษณะเมนูบันทึกเส้นทางที่ใช้บ่อย เมนูแสดงจุดขึ้นรถใกล้เคียง เมนูที่ค้นหาเส้นทางและเลือกโดยใช้ข้อจำกัดในด้านต่าง ๆ ของผู้ใช้งานได้เช่น การคำนวณราคาค่าเดินทาง หรือระยะเวลาเดินทาง และเมนูที่สามารถตั้งค่าแบบอักษร ตั้งค่าโหมดสี เพื่อรองรับผู้ใช้งานที่หลากหลาย เนื่องจากการศึกษาความต้องการของผู้ใช้เกี่ยวกับแบบอักษรพบว่ามีความต้องการใช้งานตัวอักษรไทยแบบมีหัว และไม่มีหัวในจำนวนที่เท่ากัน รวมถึงการศึกษาเกี่ยวกับความต้องการในสีของแอปพลิเคชันที่มีความต้องการทั้งการแสดงผลที่มีสีอ่อน และสีเข้มในจำนวนที่ใกล้เคียงกัน รวมถึงการออกแบบส่วนต่อประสานของผู้ใช้ (User Interface) โดยออกแบบรูปสัญลักษณ์ที่ทำให้ผู้ใช้งานสามารถเข้าถึงข้อมูลที่ต้องการได้อย่างรวดเร็ว ไม่ทำให้เกิดความสับสน
คณะวิทยาศาสตร์
การใช้เทคโนโลยีการสื่อสารแบบ LoRa ในการเกษตร
คณะเทคโนโลยีการเกษตร
ทุเรียนเป็นพืชเศรษฐกิจที่สำคัญของประเทศไทยและเป็นสินค้าส่งออกที่มีปริมาณสูงที่สุดในโลก อย่างไรก็ตาม การผลิตทุเรียนให้มีคุณภาพสูงจำเป็นต้องอาศัยการดูแลสุขภาพของต้นทุเรียนให้แข็งแรงและปราศจากโรค เพื่อให้สามารถให้ผลผลิตได้อย่างมีประสิทธิภาพ และลดความเสียหายที่อาจเกิดขึ้นกับทั้งต้นและผลทุเรียน โรคที่พบได้บ่อยและสามารถแพร่กระจายได้อย่างรวดเร็ว มักเป็นโรคที่เกิดขึ้นบริเวณใบ ซึ่งส่งผลกระทบโดยตรงต่อการเจริญเติบโตของต้นทุเรียนและคุณภาพของผลผลิต การตรวจสอบและควบคุมโรคทางใบจึงเป็นปัจจัยสำคัญในการรักษาคุณภาพของทุเรียน งานวิจัยนี้มีวัตถุประสงค์เพื่อนำเทคโนโลยีการวิเคราะห์ภาพถ่ายร่วมกับปัญญาประดิษฐ์ (Artificial Intelligence: AI) มาประยุกต์ใช้ในการจำแนกโรคที่เกิดขึ้นในใบทุเรียน เพื่อให้เกษตรกรสามารถตรวจสอบโรคได้ด้วยตนเองโดยไม่ต้องอาศัยผู้เชี่ยวชาญ โดยจำแนกใบออกเป็น 3 ประเภท ได้แก่ ใบสุขภาพดี (Healthy: H) ใบที่ติดเชื้อแอนแทรคโนส (Anthracnose: A) และใบที่ติดเชื้อจุดสาหร่าย (Algal Spot: S) ทั้งนี้ ได้นำอัลกอริทึม Convolutional Neural Networks (CNN) ได้แก่ ResNet-50, GoogleNet และ AlexNet มาใช้ในการพัฒนาแบบจำลองเพื่อจำแนกประเภทของโรค ผลการทดลองพบว่า แบบจำลองที่ใช้ ResNet-50, GoogleNet และ AlexNet ให้ค่าความแม่นยำในการจำแนกใบเท่ากับ 93.57%, 93.95% และ 68.69% ตามลำดับ