โครงงานนี้มุ่งเน้นการพัฒนาระบบอ่านป้ายทะเบียนรถยนต์แบบอัตโนมัติ ซึ่งรองรับทั้งป้ายทะเบียนรูปแบบปกติและพิเศษของประเทศไทย โดยใช้เทคโนโลยี Machine Learning เพื่อเพิ่มประสิทธิภาพในการอ่านป้ายทะเบียน ระบบนี้สามารถรองรับข้อมูลได้ทั้งภาพนิ่งและวิดีโอ ผู้ใช้สามารถลงทะเบียนและชำระค่าบริการแบบ Subscription เพื่อนำส่งข้อมูลให้ระบบประมวลผลผ่าน RESTful API, WebSocket, และกล้อง IP ที่ลงทะเบียนกับระบบ
ในปัจจุบัน ระบบการอ่านป้ายทะเบียนอัตโนมัติ มีการนำมาใช้กันอย่างกว้างขวาง เช่น ระบบตรวจสอบรถ เข้าออก ระบบจัดการลานจอดรถ ระบบขนส่งสาธารณะที่ใช้เก็บค่าผ่านทางแบบอัตโนมัติ ระบบรักษาความปลอดภัย เป็นต้น ความแม่นยำในการอ่านป้ายทะเบียนจึงเป็นสิ่งจำเป็นอย่างยิ่ง เพื่อประสิทธิภาพ และความถูกต้องของข้อมูล เทคโนโลยี Machine Learning จึงถูกนำมาประยุกต์ใช้ เพื่อเพิ่มประสิทธิภาพในการอ่านป้ายทะเบียน ไม่ว่าจะเป็นในรูปแบบของ Software Module ที่ติดตั้งแบบถาวร หรือเป็นบริการ E-service อย่างไรก็ตาม ระบบรูปแบบ Software Module มักพบปัญหาในการไม่ได้รับการอัปเดตอย่างสม่ำเสมอ และระบบรูปแบบ E-service ในปัจจุบันยังไม่สามารถอ่านป้ายทะเบียนของประเทศไทยได้อย่างมีประสิทธิภาพ เนื่องจากความซับซ้อนของภาษาไทย ที่เกิดจากป้ายทะเบียนรูปแบบพิเศษ เช่น ป้ายทะเบียนประมูลของกรมขนส่งทางบก ที่มีลวดลาย และรูปแบบตัวอักษรที่แตกต่างจากป้ายทะเบียนปกติ จากปัญหาที่กล่าวมา โครงการนี้จึงมีแนวคิดในการพัฒนา Machine Learning Model ที่ออกแบบมาเพื่อจัดการกับปัญหาเฉพาะของป้ายทะเบียนในประเทศไทย โดยมีเป้าหมายความแม่นยำในการอ่านป้ายทะเบียนอยู่ที่ 95 เปอร์เซ็นต์ พร้อมกับการพัฒนาบริการ E-service สำหรับการอ่านป้ายทะเบียนอัตโนมัติ ให้ผู้ที่สนใจสามารถเข้าใช้งาน Machine Learning Model ของเราได้ โดยผ่านการลงทะเบียนบนเว็บไซต์ จ่ายค่าสมัครใช้บริการรายเดือน และส่งข้อมูลในรูปแบบของรูปภาพผ่าน RESTful API, WebSocket และวิดีโอผ่านกล้อง IP ที่มีการลงทะเบียนเอาไว้กับระบบ นอกจากนี้ยังมีการพัฒนาเว็บไซต์สำหรับผู้ดูแลระบบ เพื่อช่วยในการบริหารจัดการและตรวจสอบการทำงานของระบบ
คณะวิศวกรรมศาสตร์
โครงการปริญญานิพนธ์นี้จัดทำขึ้นเพื่อศึกษาหาสภาวะที่เหมาะสมในการผลิตน้ำอัญชันเข้มข้นด้วยกระบวนการระเหยสุญญากาศ โดยเพื่อรักษาคุณภาพของสารสำคัญในดอกอัญชัน เช่น แอนโทไซยานิน ซึ่งเป็นสารสีธรรมชาติที่มีคุณสมบัติต้านอนุมูลอิสระสูง โดยใช้วิธีการวางแผนการทดลองแบบBox-Behnken Design ซึ่งเป็นวิธีทางสถิติที่ช่วยในการวิเคราะห์ปัจจัยหลายตัว การศึกษานี้เน้นการพิจารณาอัตราส่วนของดอกอัญชันแห้งต่อน้ำ อุณหภูมิการสกัด และอุณหภูมิการระเหย ซึ่งมีผลโดยตรงต่อการคงคุณภาพของสารสำคัญ สี กลิ่น และรสชาติ ผลการทดลองแสดงให้เห็นว่า การใช้อัตราส่วนดอกอัญชันแห้งต่อน้ำที่ 1:15 อุณหภูมิการสกัด 60 องศาเซลเซียส และอุณหภูมิการระเหย 40 องศาเซลเซียส ภายใต้ความดันต่ำสามารถลดการสูญเสียสารสำคัญและรักษาคุณสมบัติของน้ำอัญชันเข้มข้นได้ดีที่สุด ข้อมูลที่ได้จากงานวิจัยนี้สามารถใช้เป็นแนวทางในการพัฒนากระบวนการผลิตน้ำอัญชันเข้มข้นในระดับอุตสาหกรรมและเพิ่มศักยภาพในการสร้างผลิตภัณฑ์ใหม่จากดอกอัญชัน
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
คณะวิทยาศาสตร์
เนื่องจากสายพันธุ์ Enterococcus lactis มีความใกล้ชิดกับ E. faecium และ ด้านคุณสมบัติที่เป็นประโยชน์และมีผลทางโปรไบโอติก ในการศึกษานี้ สายพันธุ์ RRS4 ถูกแยกจากหัวไช้เท้าดอง (Raphanus sativus Linn.) และทำการระบุชนิดโดยอาศัยลักษณะทางฟีโนไทป์และจีโนไทป์ สายพันธุ์ RRS4 แสดงความสามารถในการอยู่รอดในสภาวะแวดล้อมที่มี NaCl 2-8% ค่า pH ระหว่าง 4 ถึง 9 และอุณหภูมิระหว่าง 4°C ถึง 45°C การวิเคราะห์จีโนมแบบครอบคลุมยืนยันว่า RRS4 เป็น E. lactis นอกจากนี้ E. lactis RRS4 ยังแสดงฤทธิ์ยับยั้งเชื้อ E. faecalis JCM 5803 ที่ดื้อต่อวานโคมัยซิน การประเมินความปลอดภัยโดยใช้วิธี in silico รวมถึงการวิเคราะห์ด้วย KEGG annotation พบว่า E. lactis RRS4 ไม่มียีนที่เกี่ยวข้องกับความรุนแรงของเชื้อหรือยีนที่ไม่พึงประสงค์ การวิเคราะห์ด้วย VirulenceFinder พบว่ายีนที่เกี่ยวข้องกับความรุนแรงของเชื้อมีความสอดคล้องกับยีนใน E. lactis สามสายพันธุ์ และ E. faecium สี่สายพันธุ์ แม้ว่าจะพบว่ายีนต้านทานยาปฏิชีวนะยังคงมีอยู่ แต่ไม่มีความสัมพันธ์กับลักษณะการก่อโรคที่สำคัญ นอกจากนี้ การประเมินความปลอดภัยยังชี้ให้เห็นว่า E. lactis RRS4 มีความปลอดภัยโดยทั่วไป แม้ว่าจะมียีนที่เกี่ยวข้องกับการดื้อยาปฏิชีวนะก็ตาม สุดท้ายนี้ เราขอเสนอแนวทางในการประเมินความปลอดภัยของสายพันธุ์จุลินทรีย์โดยใช้การวิเคราะห์จีโนมทั้งหมด ซึ่งผลการศึกษานี้เป็นก้าวสำคัญในการวิจัยโปรไบโอติก