เสื้อระบายความร้อนที่มีระบบแลกเปลี่ยนความร้อนจากการไหลแบบสองเฟส เป็นนวัตกรรมใหม่ ถูกออกแบบ เพื่อระบายความร้อนให้กับนักดับเพลิง, นักแข่งรถ และ ผู้ที่ต้องสวมใส่ชุด PPE (Personal Protective Equipment) ในการทำงาน ระบบสามารถทำความเย็น ในระดับ 18-20 องศาเซลเซียส ได้อย่างต่อเนื่อง และมีกลไกการฉีดแก๊สเข้าไปในของเหลวเพื่อเพิ่มความสามารถในการถ่ายเทความร้อน
นักดับเพลิง นักแข่งรถ บุคคลที่ต้องสวมใส่ชุด PPE ในการทำงาน เป็นอาชีพที่มีความเสี่ยงที่จะเสียชีวิตจากโรคลมแดด (heat stroke) ดังนั้นจึงมีแนวคิดในการใช้องค์ความรู้ทางวิศวกรรมเครื่องกลมาออกแบบและสร้างนวัตกรรมใหม่ สำหรับกลุ่มบุคคลที่มีความเสี่ยงจากโรคลมแดด
คณะเทคโนโลยีสารสนเทศ
การรักษาผู้ป่วยมะเร็งในแผนกเคมีบำบัดของโรงพยาบาลมะเร็งชลบุรีมีขั้นตอนที่ยุ่งยากและไม่สะดวก เนื่องจากกระบวนการส่งผลตรวจเลือดผ่านแอปพลิเคชันไลน์ส่วนตัวของเจ้าหน้าที่ทางการแพทย์ ทำให้การดำเนินงานขาดความคล่องตัว ด้วยเหตุนี้ ผู้วิจัยจึงพัฒนาโปรแกรมบริหารจัดการและติดตามผู้ป่วยมะเร็งในรูปแบบเว็บแอปพลิเคชัน (web-based application) และแอปพลิเคชันไลน์ LINE LIFF (LINE Front-end Framework) เพื่ออำนวยความสะดวกให้กับทั้งบุคลากรทางการแพทย์และผู้ป่วย ระบบเว็บแอปพลิเคชันออกแบบมาเพื่อใช้โดยบุคลากรทางการแพทย์ในการติดตาม นัดหมาย และเก็บข้อมูลผู้ป่วย ส่วนแอปพลิเคชันไลน์ ออกแบบสำหรับผู้ป่วยในการส่งผลตรวจเลือด ดูตารางนัดหมาย บันทึกอาการหลังรับยาเคมีบำบัด บันทึกค่าน้ำหนักของผู้ป่วยทุกสัปดาห์ และแชทบอทสำหรับให้คำปรึกษาแก่ผู้ป่วย ระบบนี้พัฒนาบนพื้นฐานของเทคโนโลยีไคลเอนต์-เซิร์ฟเวอร์ ซึ่งช่วยเพิ่มประสิทธิภาพการวิเคราะห์ข้อมูลและสนับสนุนการวางแผนการรักษาอย่างอัตโนมัติ ส่งผลให้กระบวนการรักษาผู้ป่วยมะเร็งมีความรวดเร็ว ทันสมัย และมีประสิทธิภาพมากยิ่งขึ้น
คณะอุตสาหกรรมอาหาร
ในการพัฒนาผลิตภัณฑ์ข้าวหอมมะลิโปรตีนสูง มีการใช้สารไฮโดรคอลลอยด์คือ HPMC อยู่ที่ 0, 0.25, 0.5 และ 1% w/v และ MD 10% w/v โดยสารไฮคอลลอยด์นี้มีโปรตีนที่ละลายอยู่ 30% w/v นำไปเคลือบข้าวหอมมะลิดิบ พบว่าปริมาณ HPMC ที่แตกต่างกันส่งผลต่อการยึดเกาะของโปรตีนในข้าว จากนั้นนำสารไฮโดรคอลลอยด์ที่สารมารถยึดเกาะบนได้ดีที่สุดคือ 0.25% w/v นำมาหาหาปริมาณที่เหมาะสมในการเคลือบข้าวที่อัตราส่วน 1:3 และ 1:5 ที่ส่งผลต่อ ปริมาณโปรตีน เนื้อสัมผัส สี การอุ้มน้ำ และการยอมรับทางประสาทสัมผัส
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