KMITL Expo 2026 LogoKMITL 66th Anniversary Logo

ระบบจำแนกสุขภาพปะการัง

รายละเอียด

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

วัตถุประสงค์

ปะการังเป็นองค์ประกอบสำคัญของระบบนิเวศทางทะเล แต่กำลังเผชิญกับภาวะเสื่อมโทรมจากภาวะโลกร้อนและกิจกรรมของมนุษย์ การตรวจสอบสุขภาพของปะการังในปัจจุบันอาศัยการสำรวจภาคสนาม ซึ่งใช้เวลานานและอาจเกิดข้อผิดพลาด โครงการนี้จึงนำเทคโนโลยีปัญญาประดิษฐ์มาใช้ในการวิเคราะห์ภาพถ่ายปะการัง ช่วยให้การจำแนกสุขภาพของปะการังมีความรวดเร็วและแม่นยำยิ่งขึ้น

นวัตกรรมอื่น ๆ

การทำนายดัชนีคุณภาพอากาศด้วยวิธีการเรียนรู้ของเครื่องแบบรวมกลุ่ม

คณะวิทยาศาสตร์

การทำนายดัชนีคุณภาพอากาศด้วยวิธีการเรียนรู้ของเครื่องแบบรวมกลุ่ม

ปัญหาพิเศษนี้มีวัตถุประสงค์เพื่อศึกษาและเปรียบเทียบประสิทธิภาพการทำนายดัชนีคุณภาพอากาศ (AQI) ด้วยวิธีการเรียนรู้ของเครื่องแบบรวมกลุ่ม 5 วิธี ได้แก่ วิธีป่าสุ่ม วิธี XGBoost วิธี CatBoost วิธีรวมกลุ่มป่าสุ่มและ XGBoost และวิธีรวมกลุ่มป่าสุ่ม SVR และ MLP โดยใช้ชุดข้อมูลจากกรมควบคุมมลพิษกลางของประเทศอินเดีย (CPCB) ซึ่งชุดข้อมูลประกอบด้วยตัวแปรด้านมลพิษ 15 ตัวแปร และข้อมูลด้านสภาพอากาศ 9 ตัวแปร เก็บรวบรวมตั้งแต่มกราคม ค.ศ. 2021 ถึงธันวาคม ค.ศ. 2023 มีจำนวนข้อมูล 1,024,920 ค่า และวิธีการที่ใช้วัดประสิทธิภาพ 3 วิธี ได้แก่ รากของค่าคลาดเคลื่อนกำลังสองเฉลี่ย (Root Mean Square Error : RMSE) ค่าคลาดเคลื่อนสัมบูรณ์เฉลี่ย (Mean Absolute Error : MAE) และสัมประสิทธิ์การกำหนด (Coefficient of Determination) ผลการศึกษาพบว่าวิธีรวมกลุ่มป่าสุ่มและ XGBoost มีค่าวัดประสิทธิภาพทั้ง 3 วิธีดีที่สุด โดยมีค่า RMSE น้อยที่สุดเท่ากับ 0.1040 ค่า MAE น้อยที่สุดเท่ากับ 0.0675 และค่า มากที่สุดเท่ากับ 0.8128 แล้วทำการอธิบายผลลัพธ์จากการเรียนรู้ของเครื่องสำหรับสร้างแผนภาพด้วย SHAP ของวิธีการเรียนรู้ของเครื่องทั้ง 5 วิธี ทุกวิธีได้ข้อสรุปในทำนองเดียวกันคือตัวแปรที่มีผลกระทบต่อ ค่าทำนายโดยรวมมากที่สุด 2 อันดับแรกคือตัวแปร PM2.5 และ PM10 ตามลำดับ

พลังจากใบไม้: นวัตกรรมการเคลือบเมล็ดพันธุ์เรืองแสงจากธรรมชาติ เพื่อป้องกันการปลอมแปลง

คณะเทคโนโลยีการเกษตร

พลังจากใบไม้: นวัตกรรมการเคลือบเมล็ดพันธุ์เรืองแสงจากธรรมชาติ เพื่อป้องกันการปลอมแปลง

การทดลองนี้มีวัตถุประสงค์เพื่อศึกษาชนิดของพอลิเมอร์ที่เหมาะสมในการเคลือบร่วมกับสารสกัดคลอโรฟิลล์และคุณภาพของเมล็ดพันธุ์แตงกวาหลังจากการเคลือบ วางแผนการทดลองแบบ Completely Randomized Design (CRD) จำนวน 4 ซ้ำ โดยมี 5 กรรมวิธี ประกอบด้วยเมล็ดพันธุ์ที่เคลือบด้วยพอลิเมอร์ชนิดต่างกัน คือ Polyvinylpyrrolidone, Sodium Alginate, Carboxy Methyl Cellulose, Hydroxypropyl methylcellulose โดยพอลิเมอร์แต่ละชนิดทำการเคลือบร่วมกับ Chlorophyll และมีเมล็ดพันธุ์ที่ไม่เคลือบสารเป็นกรรมวิธีควบคุม ดำเนินการทดลองโดยเตรียมสารเคลือบด้วยการสกัด Chlorophyll จากใบมะม่วง แล้วนำมาเตรียมสารเคลือบโดยนำมาผสมกับพอลิเมอร์แต่ละชนิดที่มีความเข้มข้น 1 เปอร์เซ็นต์ โดยใช้สารสกัด Chlorophyll ที่มีความเข้มข้น 8 เปอร์เซ็นต์ จากนั้นตรวจสอบคุณสมบัติของสารเคลือบแต่ละกรรมวิธี ได้แก่ ความเป็นกรดด่างและความหนืดของสารเคลือบ แล้วจึงนำมาเคลือบเมล็ดพันธุ์แตงกวาด้วยเครื่องเคลือบระบบจานหมุนรุ่น RRC150 ในอัตราสารเคลือบ 1,100 มิลลิลิตรต่อเมล็ดพันธุ์ 1 กิโลกรัม จากนั้นนำมาลดความชื้นให้เมล็ดพันธุ์มีระดับความชื้นเท่ากับระดับความชื้นเริ่มต้นด้วยเครื่องเป่าลมร้อน แล้วตรวจคุณภาพเมล็ดพันธุ์ในลักษณะต่างๆ ได้แก่ ความชื้นของเมล็ดพันธุ์ ความงอกของเมล็ดพันธุ์ที่เพาะในสภาพห้องปฏิบัติการ ดัชนีการงอก และการเรืองแสงของเมล็ดพันธุ์ภายใต้เครื่องฉายแสงอัลตราไวโอเลตแบบพกพารวมถึงตรวจสเปกตรัมการคายแสงด้วยเครื่อง Spectrophotometer ผลการทดลองพบว่าพอลิเมอร์แต่ละชนิดสามารถนำมาใช้เป็นสารก่อฟิล์มร่วมกับคลอโรฟิลล์ได้ ซึ่งมีความเป็นกรด-ด่างและมีความหนืดของสารเคลือบที่เหมาะสม ไม่มีผลต่อคุณภาพของเมล็ดพันธุ์และมีการเรืองแสงที่ผิวของเมล็ดพันธุ์ทั้งการตรวจสอบภายใต้เครื่องฉายแสงอัลตราไวโอเลตแบบพกพาและการตรวจสเปกตรัมการคายแสงภายใต้เครื่อง Spectrophotometer โดยการใช้ HPMC เป็นสารก่อฟิล์มร่วมกับคลอโรฟิลล์ เป็นกรรมวิธีที่เหมาะสมทำให้เมล็ดพันธุ์มีประสิทธิภาพในการเรืองแสงมากที่สุด

ตู้แช่เวชภัณฑ์ชนิดกระจายความเย็นอย่างทั่วถึงพร้อมระบบบันทึกข้อมูลและควบคุมระยะไกล

คณะบริหารธุรกิจ

ตู้แช่เวชภัณฑ์ชนิดกระจายความเย็นอย่างทั่วถึงพร้อมระบบบันทึกข้อมูลและควบคุมระยะไกล

ตู้แช่เวชภัณฑ์ชนิดกระจายความเย็นอย่างทั่วถึงพร้อมระบบบันทึกข้อมูลและควบคุมระยะไกล เป็นตู้แช่เวชภัณฑ์ที่มีระบบควบคุมการกระจายความเย็นภายในตู้แช่ให้มีอุณหภูมิใกล้เคียงกันทุกระดับความสูงภายในตู้แช่ พร้อมระบบบันทึกข้อมูล (Data Logging) เพื่อตรวจสอบห่วงโซ่ความเย็น (Cold Chain) ในการเก็บรักษาเวชภัณฑ์ พร้อมระบบแจ้งเตือนและควบคุมการทำงานระยะไกล