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
ปัจจุบันการซื้อขายสินค้าออนไลน์เติบโตขึ้นอย่างรวดเร็ว ทำให้ข้อมูลรีวิวสินค้าจากผู้บริโภคมีปริมาณเพิ่มขึ้นเป็นจำนวนมาก รีวิวเหล่านี้มีบทบาทสำคัญในการตัดสินใจซื้อของลูกค้าและการปรับปรุงคุณภาพสินค้าของร้านค้า อย่างไรก็ตาม ปริมาณข้อมูลที่มากเกินไปและความหลากหลายของรูปแบบการแสดงความคิดเห็นทำให้การสรุปและวิเคราะห์ข้อมูลเหล่านี้เป็นไปได้ยาก ผู้บริโภคต้องใช้เวลามากในการอ่านรีวิวจำนวนมากเพื่อสรุปแนวโน้มความคิดเห็น ในขณะที่ร้านค้าประสบปัญหาในการวิเคราะห์ข้อมูลรีวิวเพื่อปรับปรุงผลิตภัณฑ์และบริการ เพื่อแก้ไขปัญหานี้ งานวิจัยนี้นำเสนอการประยุกต์ใช้ Aspect-Based Sentiment Analysis (ABSA) ซึ่งเป็นเทคนิคใน Natural Language Processing (NLP) ที่สามารถแยกแยะ แง่มุมสำคัญของรีวิวสินค้า (Aspects) และวิเคราะห์ อารมณ์ของแต่ละแง่มุม (Sentiments) โดยอัตโนมัติ การนำเทคนิคนี้มาใช้จะช่วยให้ผู้บริโภคสามารถรับข้อมูลเชิงลึกจากรีวิวได้ง่ายขึ้น และช่วยให้ร้านค้าสามารถใช้ข้อมูลรีวิวเพื่อปรับปรุงสินค้าและบริการอย่างมีประสิทธิภาพ โครงงานนี้ยังมุ่งเน้นการศึกษาว่า แนวทาง AI แบบใดมีประสิทธิภาพสูงสุดในการทำ ABSA สำหรับภาษาไทย โดยเปรียบเทียบ วิธีการประมวลผลภาษาธรรมชาติแบบดั้งเดิม กับเทคนิคการเรียนรู้เชิงลึกที่ทันสมัย เพื่อให้ได้แนวทางที่เหมาะสมที่สุด พร้อมทั้งพัฒนา Dashboard Visualization ที่ช่วยให้ข้อมูลรีวิวถูกนำเสนอในรูปแบบที่เข้าใจง่ายและสามารถนำไปใช้งานจริงในอุตสาหกรรมอีคอมเมิร์ซ
คณะเทคโนโลยีการเกษตร
จากการปฏิบัติงานสหกิจศึกษาครั้งนี้ ณ สำนักงานเกษตรอำเภอบางบ่อ จังหวัดสมุทรปราการ ได้ศึกษาเรื่อง ต้นทุน ผลตอบแทนการปลูกข้าวโดยใช้สารเคมีและการปลูกข้าวโดยใช้สารชีวภัณฑ์ร่วมกับสารเคมีของเกษตรกร ตำบลบางพลีน้อย อำเภอบางบ่อ จังหวัดสมุทรปราการ โดยมีวัตถุประสงค์ 1) เพื่อศึกษาต้นทุน ผลตอบแทนการปลูกข้าวโดยใช้สารเคมีและการปลูกข้าวโดยใช้ชีวภัณฑ์ร่วมกับสารเคมีของเกษตรกร ตำบลบางพลีน้อย อำเภอบางบ่อ จังหวัดสมุทรปราการ 2) เพื่อศึกษาปัญหาการใช้สารชีวภัณฑ์ในการปลูกข้าวของเกษตรกร ตำบลบางพลีน้อย อำเภอบางบ่อ จังหวัดสมุทรปราการผลการศึกษาพบว่าต้นทุนการผลิตข้าวนาปีโดยใช้สารเคมีและสารชีวภัณฑ์ร่วมกับสารเคมีปีเพาะปลูก 2567/68 แปลงที่ใช้สารชีวภัณฑ์ร่วมกับสารเคมี มีต้นทุนการผลิตรวมทั้งหมด 5,099.50 บาทต่อไร่ ประกอบด้วย ต้นทุนผันแปร 4,432.50 บาทต่อไร่ ต้นทุนคงที่ 667.00 บาทต่อไร่ แปลงที่ใช้สารเคมี มีต้นทุนการผลิตรวมทั้งหมด 5,129.00 บาทต่อไร่ ประกอบด้วย ต้นทุนผันแปร 4,390.00 บาทต่อไร่ ต้นทุนคงที่ 739.00 บาทต่อไร่ ผลต่างของต้นทุนการปลูกข้าวนาปีระหว่างแปลงที่ใช้สารเคมีและแปลงที่ใช้สารชีวภัณฑ์ร่วมกับสารเคมีเท่ากับ 114.50 บาทต่อไร่ ผลตอบแทนการผลิตข้าวนาปี ปีเพาะปลูก 2567/68 ของแปลงที่ใช้สาร ชีวภัณฑ์ร่วมกับสารเคมี ประกอบด้วย ปริมาณผลผลิต 1,000.00 กิโลกรัมต่อไร่ ราคาผลผลิตเฉลี่ย 8,500.00 บาทต่อไร่ เกษตรกรมีรายได้ 8,585.00 บาทต่อไร่ และมีกำไร 3,485.50 บาทต่อไร่ แปลงที่ ใช้สารเคมี ประกอบด้วย ปริมาณผลผลิต 1,000.00 กิโลกรัมต่อไร่ ราคาผลผลิตเฉลี่ย 8,500.00 บาทต่อไร่ เกษตรกรมีรายได้ 8,500 บาทต่อไร่ และมีกำไร 3,371.00 บาทต่อไร่ ผลต่างของรายได้รวมทั้งหมดในการปลูกข้าวนาปีระหว่างเกษตรกรที่ใช้สารเคมีและเกษตรกรที่ใช้สารชีวภัณฑ์ร่วมกับสารเคมีเท่ากับ 114.50 บาทต่อไร่ ด้านปัญหาในการจัดซื้อ/จัดหาสารชีวภัณฑ์ สารชีวภัณฑ์หาซื้อยากบางพื้นที่มีแหล่งจําหน่ายน้อยหรือไม่มีเลย หน่วยงานที่เกี่ยวข้องไม่สนับสนุนสารชีวภัณฑ์ให้เกษตรกรอย่างต่อเนื่องมีระดับปัญหามากที่สุด ด้านปัญหาการใช้สารชีวภัณฑ์ เมื่อผสมเชื้อสดกับส่วนผสมแล้วต้องใช้ให้หมดไม่สามารถเก็บรักษาไว้ได้ เนื่องจากจะทำให้เสื่อมประสิทธิภาพลงมีระดับปัญหาที่มากที่สุด
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
คณะเทคโนโลยีการเกษตร
การเสริมฟรุคโตโอลิโกแซ็กคาไรด์ (FOS) ในอาหารไก่เนื้อภายใต้สภาวะเครียดโดยการเลี้ยงในที่หนาเเน่นและใช้วัสดุรองพื้นเก่าไม่พบความแตกต่างอย่างมีนัยสำคัญทางสถิติในด้านประสิทธิภาพการเจริญเติบโต คุณภาพซาก และคุณภาพเนื้อ (p>0.05) อย่างไรก็ตาม การเสริม FOS ช่วยปรับปรุงสุขภาพของลำไส้โดยเพิ่มอัตราส่วนความสูงวิลลัสต่อความลึกของคริปท์ ทำให้จำนวนแบคทีเรียแลคโตบาซิลลัสเพิ่มขึ้น และจำนวน Escherichia coli ลดลง นอกจากนี้ อัตราส่วนเฮเทอโรฟิลต่อลิมโฟไซต์ลดลง ซึ่งบ่งชี้ถึงระดับความเครียดที่ลดลง