ในปัจจุบัน การเปลี่ยนแปลงสภาพภูมิอากาศและกิจกรรมของมนุษย์ส่งผลให้แนวปะการังทั่วโลกเผชิญกับภาวะเสื่อมโทรมอย่างรวดเร็ว การตรวจสอบสุขภาพของปะการังจึงมีความสำคัญอย่างยิ่งต่อการอนุรักษ์ระบบนิเวศทางทะเล โครงการนี้มุ่งเน้นการพัฒนาแบบจำลองปัญญาประดิษฐ์ (AI) เพื่อจำแนกสุขภาพของปะการังออกเป็นสี่ประเภท ได้แก่ ปะการังแข็งแรง (Healthy), ปะการังฟอกขาว (Bleached), ปะการังซีด (Pale), และปะการังตาย (Dead) โดยใช้โครงข่ายประสาทเทียมเชิงลึก (Deep Learning) เป็นพื้นฐานในการฝึกสอนแบบจำแนกภาพ ในกระบวนการฝึกแบบจำลอง ได้มีการใช้เทคนิค Cross-Validation (k=5) เพื่อเพิ่มความแม่นยำ พร้อมทั้งบันทึกโมเดลที่มีประสิทธิภาพดีที่สุดหลังการฝึกผลลัพธ์ของโครงการนี้สามารถนำไปประยุกต์ใช้ในการติดตามการเปลี่ยนแปลงของแนวปะการัง และช่วยนักวิทยาศาสตร์ทางทะเลวิเคราะห์ข้อมูลได้อย่างรวดเร็วและแม่นยำยิ่งขึ้น ซึ่งจะเป็นประโยชน์ต่อการวางแผนอนุรักษ์ระบบนิเวศทางทะเลในอนาคต
ปะการังเป็นองค์ประกอบสำคัญของระบบนิเวศทางทะเล แต่กำลังเผชิญกับภาวะเสื่อมโทรมจากภาวะโลกร้อนและกิจกรรมของมนุษย์ การตรวจสอบสุขภาพของปะการังในปัจจุบันอาศัยการสำรวจภาคสนาม ซึ่งใช้เวลานานและอาจเกิดข้อผิดพลาด โครงการนี้จึงนำเทคโนโลยีปัญญาประดิษฐ์มาใช้ในการวิเคราะห์ภาพถ่ายปะการัง ช่วยให้การจำแนกสุขภาพของปะการังมีความรวดเร็วและแม่นยำยิ่งขึ้น
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
คณะอุตสาหกรรมอาหาร
Zero-waste management is crucial for sustainable food systems, promoting the use of agricultural by-products like rice bran. Rich in bioactive polyphenols with antioxidant and antidiabetic properties, rice bran can enhance the nutritional value of food. Polyphenols can slow starch digestion by forming complexes with starch, making them useful for creating low-glycemic foods. While ultrasonication and freeze-thaw treatments have been beneficial individually, their combined effects on starch-polyphenol complexation remain understudied. This study aimed to evaluate the impact of combining these treatments on the interaction between rice starch and red rice bran polyphenols. The dual treatment increased the complexing index, altered functional properties, and affected granule morphology. Structural analysis indicated non-covalent interactions forming non-V-type complexes. Additionally, starch digestibility was reduced, lowering the estimated glycemic index (eGI) compared to the control. These findings suggest a sustainable and green approach to starch modification, with potential for developing functional food products and advancing zero-waste processing.
คณะศิลปศาสตร์
นิยมไทย ขอนำเสนอรองเท้าเพื่อสุขภาพลวดลายไทยกับแนวคิดเพื่อเพิ่มขีดความสามารถในการพัฒนานวัตกรรมให้มีความยั่งยืน ร่วมสมัยแก่คนในท้องถิ่น ตัวรองเท้ามาพร้อมวัสดุธรรมชาติที่ช่วยบรรเทาอาการปวดเมื่อย และผสานเทคโนโลยีด้านความปลอดภัย อาทิเช่น การระบุพิกัดผ่านแอพพลิเคชั่นและสามารถจับชีพจรได้ ตอบโจทย์ให้กับการท่องเที่ยวและการดูแลสุขภาพที่สะดวกสบายในชีวิตประจำวัน