เป็นโครงการที่มุ่งเน้นการออกแบบและสร้างสรรค์ Art Toy Mascot ที่สะท้อนอัตลักษณ์ของ 12 สาขาวิชาในคณะเทคโนโลยีเกษตร ผ่านแนวคิดที่ผสมผสานระหว่างศิลปะและเทคโนโลยีเกษตร เพื่อให้เกิดความเข้าใจและการจดจำที่ง่ายขึ้นเกี่ยวกับแต่ละสาขา โดยใช้การออกแบบเชิงสร้างสรรค์และเทคนิคการผลิตของเล่นศิลปะ
ในยุคปัจจุบันที่เทคโนโลยีมีบทบาทสำคัญในการพัฒนาภาคการเกษตร คณะเทคโนโลยีการเกษตรจึงมุ่งเน้นการปลูกฝังองค์ความรู้ควบคู่ไปกับการพัฒนาทักษะความคิดสร้างสรรค์ เพื่อให้นักศึกษาสามารถประยุกต์ใช้ความรู้ทางวิทยาศาสตร์และเทคโนโลยีในการแก้ปัญหาและพัฒนาภาคการเกษตรได้อย่างมีประสิทธิภาพ โครงการออกแบบและสร้างสรรค์ Art Toy Mascot จึงเกิดขึ้นจากแนวคิดที่ต้องการ ผสมผสานศิลปะและเทคโนโลยีเข้าด้วยกัน โดยใช้ Art Toy ซึ่งเป็นผลงานศิลปะที่กำลังได้รับความนิยมในกลุ่มคนรุ่นใหม่ เป็นสื่อกลางในการนำเสนออัตลักษณ์ของ 12 สาขาวิชาในคณะเทคโนโลยีการเกษตร
คณะวิศวกรรมศาสตร์
การศึกษานี้จัดทำขึ้นเพื่อสร้างต้นแบบผ้าคลุมเย็นสำหรับการขนส่งน้ำนมดิบเพื่อเสนอแนวทางการรักษาคุณภาพน้ำนมดิบระหว่างการขนส่งไปยังศูนย์รวบรวมน้ำนมดิบ ผ้าคลุมเย็นนี้ผลิตจากการนำวัสดุเปลี่ยนสถานะ (Phase Change Material, PCM) ผลิตจากน้ำผสมสารสร้างเนื้อเจล ปริมาณ 5.6 กิโลกรัม มาประกบรอบถังนมอะลูมิเนียม (ปริมาตรความจุ 25 ลิตร) แล้วคลุมด้วยผ้าเคลือบสารสะท้อนรังสียูวี 2 ชนิด ได้แก่ ผ้าพอลิไวนิลคลอไรด์ (PVC) และผ้าพอลิเอทิลีนความหนาแน่นสูง (HDPE) ประสิทธิภาพการรักษาอุณหภูมิของผ้าคลุมทั้งสองแบบประเมินจากการวัดอุณหภูมิของน้ำที่จุดต่าง ๆ ตามแนวรัศมีและตามความสูงของถังนม จำนวน 6จุด ด้วยสายเทอร์มอคัปเปิลชนิดที ภายใต้สภาวะแวดล้อม 3 สภาวะ ได้แก่ ที่อุณหภูมิคงที่ 25 °C และ 35 °C และที่อุณหภูมิบรรยากาศกลางแจ้ง (อุณหภูมิเฉลี่ย 35.5 °C) เป็นระยะเวลาอย่างน้อย 180 นาที ผลการทดลองพบว่า ที่เวลา 120 นาที น้ำในถังคลุมด้วยผ้า PCM-PVC และผ้า PCM-HDPE มีอุณหภูมิต่ำกว่าอุณหภูมิบรรยากาศ 12.6 °C และ 12.9 °C ตามลำดับ ภายใต้อุณหภูมิบรรยากาศคงที่ 25 °C ในขณะที่ภายใต้อุณหภูมิบรรยากาศคงที่ 35 °C มีอุณหภูมิต่ำกว่าอุณหภูมิบรรยากาศ 16.7 °C และ 16.4 °C ตามลำดับ และอุณหภูมิบรรยากาศกลางแจ้งมีอุณหภูมิต่ำกว่าอุณหภูมิบรรยากาศ 12.7 °C และ 13.8 °C ตามลำดับ เนื่องจากผ้า PCM-PVC และผ้า PCM-HDPE มีประสิทธิภาพการรักษาอุณหภูมิไม่ต่างกัน การประเมินประสิทธิภาพการรักษาคุณภาพทางจุลินทรีย์ของน้ำนมดิบจึงศึกษาเฉพาะผ้า PCM-PVC เทียบกับกรณีไม่ใช้ผ้าคลุม (ควบคุม) ด้วยการตรวจนับปริมาณเชื้อโคลิฟอร์มและเชื้อ Escherichia coli โดยใช้อาหารเลี้ยงเชื้อสำเร็จรูป ผลการทดลองพบว่าเมื่อเวลาผ่านไป 120 นาที น้ำนมในถังที่คลุมด้วยผ้า PCM-PVC มีปริมาณเชื้อโคลิฟอร์มเฉลี่ยเท่ากับ 1.6 × 10^4 CFU/ml และเชื้อ E. coli เท่ากับ 2 × 10^3 CFU/ml ซึ่งน้อยกว่ากรณีไม่มีผ้าคลุมซึ่งมีปริมาณเชื้อโคลิฟอร์ม เฉลี่ยเท่ากับ 1.5 × 10^4 CFU/ml และเชื้อ E. coli เท่ากับ 1.1 × 10^4 CFU/ml จากการศึกษานี้สรุปได้ว่าอุณหภูมิที่ลดได้นี้สามารถช่วยชะลอการเจริญของเชื้อโคลิฟอร์มให้มีปริมาณน้อยกว่าเกณฑ์มาตรฐานน้ำนมดิบซึ่งแสดงให้เห็นถึงศักยภาพของผ้าคลุมเย็นในการรักษาคุณภาพและความปลอดภัยของน้ำนมดิบระหว่างการขนส่งอันจะนำไปสู่การยกระดับคุณภาพชีวิตของเกษตรกรผู้เลี้ยงโคนมไทย
คณะเทคโนโลยีสารสนเทศ
โครงงานนี้จึงได้พัฒนาระบบปัญญาประดิษฐ์สำหรับระบุชนิดเครื่องมือทันตกรรมหัตถการเพื่อตรวจนับจำนวนด้วยวิธีการเรียนรู้เชิงลึก โดยเป็นการตรวจนับความครบถ้วนของอุปกรณ์ที่นำไปใช้ มีใช้วิธีการตรวจจับวัตถุ(Object Detection) ซึ่งการตรวจจับวัตถุช่วยให้สามารถตรวจจับอุปกรณ์ทันตกรรหัตถการทั้งหมดหลังจากการใช้งาน เพื่อเพิ่มประสิทธิภาพ ความแม่นยำ อีกทั้งสามารถตรวจนับเครื่องมือต่างๆได้พร้อมกันหลายๆภาพเพื่อช่วยลดเวลาและความล่าช้าในกระบวนการตรวจสอบและนับจำนวนเครื่องมือทั้งหมด รวมถึงข้อมูลจำนวนและชนิดของอุปกรณ์ สามารถส่งออกไปยังฐานข้อมูลเพื่อนำข้อมูลไปใช้งานต่อได้อีกด้วย
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