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
คณะเทคโนโลยีสารสนเทศ
การตรวจจับอารมณ์ผ่านการแสดงออกทางใบหน้า (Facial Expression Recognition, FER) ได้รับความสนใจอย่างมากในหลายสาขา เช่น การดูแลสุขภาพ การให้บริการลูกค้า และการวิเคราะห์พฤติกรรม อย่างไรก็ตาม ความท้าทายยังคงอยู่ที่การพัฒนาระบบที่มีความทนทานและสามารถรับมือกับการเปลี่ยนแปลงของสภาพแวดล้อมรวมถึงสถานการณ์ที่หลากหลายได้ ผู้วิจัยได้นำเสนอการใช้เทคนิค Ensemble Learning เพื่อรวมผลลัพธ์จากโมเดลหลายตัวที่ถูกฝึกในเงื่อนไขเฉพาะ ทำให้ระบบไม่ลืมข้อมูลเก่า และยังสามารถเรียนรู้ข้อมูลใหม่ได้อย่างมีประสิทธิภาพ โดยเทคนิคนี้มีข้อได้เปรียบในด้านเวลาและทรัพยากรที่ใช้ในการเทรน เนื่องจากช่วยลดความจำเป็นในการสร้างโมเดลใหม่ทั้งหมดเมื่อมีสภาพแวดล้อมใหม่ เพียงเพิ่มโมเดลเฉพาะทางใหม่ในระบบ Ensemble ซึ่งใช้ทรัพยากรน้อยกว่าแทน ในงานวิจัยนี้ Ensemble Learning ถูกแบ่งออกเป็นสองแนวทางหลัก คือ การเฉลี่ยผลลัพธ์จากโมเดลเฉพาะทางที่ถูกฝึกภายใต้สถานการณ์เฉพาะ (Averaging Ensemble) และการใช้เทคนิค Mixture of Experts (MoE) ซึ่งเป็นการผสมผสานโมเดลหลายตัวที่เชี่ยวชาญในสถานการณ์ต่าง ๆ ไว้ด้วยกัน ผลการทดลองแสดงให้เห็นว่า การใช้ Mixture of Experts (MoE) มีประสิทธิภาพสูงกว่าวิธี Averaging Ensemble ในการจำแนกอารมณ์ในทุกสถานการณ์ โดยระบบ MoE สามารถเพิ่มความแม่นยำเฉลี่ยได้ถึง 84.41% บนชุดข้อมูล CK+, 54.20% บน Oulu-CASIA และ 61.66% บน RAVDESS ซึ่งสูงกว่าวิธี Averaging Ensemble ที่มีความแม่นยำเฉลี่ยที่ 71.64%, 44.99% และ 57.60% ตามลำดับ ผลลัพธ์เหล่านี้แสดงให้เห็นว่า MoE สามารถเลือกโมเดลที่เชี่ยวชาญในสถานการณ์เฉพาะได้อย่างแม่นยำ และยังช่วยเพิ่มความสามารถในการรับมือกับสภาพแวดล้อมที่ซับซ้อนกว่า
วิทยาลัยนวัตกรรมการผลิตขั้นสูง
งานวิจัยเรื่องการพัฒนาวัสดุปูพื้นระบายน้ำได้จากตะกรันเหลือทิ้ง มีวัตถุประสงค์ในการนำตะกรันเหลือทิ้งมาใช้ให้เกิดประโยชน์ในทางอุตสาหกรรมและช่วยลดปัญหาน้ำท่วมน้ำขังหรือแอ่งน้ำได้ โดยปัจจุบันตะกรันที่เหลือจากการถลุงเหล็กหรือหลอมเหล็กมักถูกนำมาใช้เป็นส่วนผสมของวัสดุก่อสร้าง เช่น ผิวทางถนน อย่างไรก็ตาม ตะกรันเหล่านี้มีคุณสมบัติที่ทำให้น้ำซึมผ่านได้ยาก ส่งผลให้เกิดปัญหาน้ำท่วมและการระบายน้ำไม่ดี โครงการวิจัยนี้มุ่งเน้นศึกษาการปรับปรุงคุณสมบัติของวัสดุปูพื้นให้มีความแข็งแรงและสามารถระบายน้ำได้ดีขึ้น โดยการปรับโครงสร้างทางกายภาพหรือการเติมสารเคมี เช่น HPMC เพื่อช่วยเพิ่มช่องว่างในการซึมน้ำและระบายน้ำได้ตามมาตรฐานที่ต้องการ การใช้ตะกรันเหลือทิ้งไม่เพียงช่วยลดต้นทุนและเพิ่มประโยชน์ในการใช้งาน แต่ยังช่วยลดผลกระทบต่อสิ่งแวดล้อมและส่งเสริมการใช้ทรัพยากรให้เกิดประโยชน์สูงสุด
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
งานวิจัยการออกแบบต้นแบบเมตาเวิร์สหอภาพยนตร์ (องค์การมหาชน) เป็นการศึกษารูปแบบการสร้างประสบการณ์เสมือนจริง (Immersive Experience) โดยมีวัตถุประสงค์ 3 ข้อคือ เพื่อ 1) ศึกษารูปแบบแนวคิดและเทคโนโลยีที่ใช้ในการสร้างประสบการณ์การรับรู้ดิจิทัลเสมือนจริง 2) สร้างสรรค์งานออกแบบประสบการณ์การรับรู้ดิจิทัลเสมือนจริงและนำเสนอบนโลกต้นแบบเมตาเวิร์สหอภาพยนตร์ ใช้การวิจัยเชิงปฏิบัติ 3) ประเมินผลการออกแบบและสรุปเป็นองค์ความรู้การออกแบบนิทรรศการเสมือนจริง โดยวิธีวิจัยเชิงคุณภาพ จัดให้มีการทดสอบตัวต้นแบบ พร้อมทั้งสัมภาษณ์แบบกลุ่ม สอบถามทัศนคติและประเมินความพึงพอใจ ผลการวิจัยพบว่า หลักการออกแบบต้นแบบเมตาเวิร์สหอภาพยนตร์นั้น ประกอบไปด้วย 1) การใช้แนวคิดการออกแบบสถาปัตยกรรม 2) แนวคิดการออกแบบนิทรรศการ 3) แนวคิดการออกแบบประสบการณ์ จากนั้นจึงเข้าสู่กระบวนการสร้างงานในโลกเสมือนจริง ประกอบไปด้วย 1) สร้างโมเดลโครงสร้าง3มิติ 2) สร้างการใช้งานปฏิสัมพันธ์ 3) การออกแบบนิทรรศการ 4) ดำเนินการทดสอบตัวต้นแบบ จากนั้นทดสอบพร้อมประเมินผล โดยมีขั้นตอนคือ 1) ทดสอบโดยผู้ทดสอบ 10 คน 2) สัมภาษณ์แบบกลุ่มทั้ง 4 ประเด็นคือ ประเด็นหมวดประสบการณ์โดยรวม ประเด็นหมวดหอภาพยนตร์เนื้อหาคุณค่า ประเด็นหมวดการออกแบบเมตาเวิร์ส และประเด็นหมวดส่งเสริมการเรียนรู้ในพิพิธภัณฑ์ ผลการประเมินการออกแบบหมวดที่หนึ่ง 1) หมวดประสบการณ์โดยรวม ได้รับประสบการณ์ที่ดี ร้อยละ 70 การใช้งานเสถียร ร้อยละ 50 อุปสรรคในการรับชมร้อยละ 90 เสียงบรรยายดังรบกวนร้อยละ 50 รับชมภาพยนตร์ติดขัดร้อยละ 40 มีความต้องการคำอธิบายการใช้งาน ร้อยละ 60 ต้องการสัญลักษณ์นำทางร้อยละ 70 หมวดที่สอง 2) หมวดหอภาพยนตร์ สามารถรับรู้และเข้าใจเนื้อหาร้อยละ 80 หมวดที่สาม 3) หมวดเมตาเวิร์ส ได้มีการสื่อสารพูดคุยปฏิสัมพันธ์ร้อยละ 70 หมวดที่สี่ 4) หมวดการส่งเสริมการเรียนรู้ในพิพิธภัณฑ์ เห็นว่าสามารถส่งเสริมให้เกิดการเรียนรู้ได้ร้อยละ 90 จากผลสรุปการประเมินการออกแบบต้นแบบเมตาเวิร์สหอภาพยนตร์เพื่อสร้างประสบการณ์ดิจิทัลเสมือนจริง พบว่าประสบการณ์ที่ผู้ทดสอบได้รับ อยู่ในเกณฑ์ดี คือร้อยละ 70 แต่ปัญหาที่พบจะอยู่ที่ระบบและอุปกรณ์ที่รองรับการทดสอบยังไม่เสถียรเนื่องจากความพร้อมของเทคโนโลยีในปัจจุบัน (2566) ส่วนอุปสรรคในการใช้งานประสบการณ์ปฏิสัมพันธ์ภายในจำเป็นต้องมีการทดสอบและปรับปรุงซ้ำหลายครั้ง ส่วนเรื่องของคุณค่าการสนับสนุนการเรียนรู้ถือว่าอยู่ในเกณฑ์ดี