โครงงานชิ้นนี้เป็นการศึกษาการออกแบบพื้นที่เก็บเสียงแบบพกพาได้ ซึ่งจะทำให้ผู้ใช้สามารถฝึกซ้อมการใช้เสียงได้โดยไม่รบกวนพื้นที่รอบข้าง
เนื่องจากในปัจจุบันบางครั้งนักร้องจำเป็นต้องฝึกซ้อมระหว่างการเดินทาง เราจึงคิดค้นอุปกรณ์ที่จะข่วยให้สามารถฝึกซ้อมได้อย่างสะดวกมากขึ้นในสถานที่ต่างๆ
คณะเทคโนโลยีการเกษตร
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
คณะวิทยาศาสตร์
การผลิตน้ำตาลจากอ้อยเป็นกระบวนการที่มีความซับซ้อนและต้องการการควบคุมที่แม่นยำ หนึ่งในปัญหาสำคัญคือการสูญเสียน้ำตาล ซึ่งอาจเกิดจากหลายปัจจัย โดยเฉพาะ “การเผาอ้อย” ก่อนนำเข้าหีบ ที่ลดคุณภาพอ้อยและประสิทธิภาพการสกัดน้ำตาล รวมถึง ประสิทธิภาพเครื่องจักรและคุณสมบัติของอ้อย ที่ส่งผลต่อปริมาณน้ำตาลที่ได้ งานวิจัยนี้จึงมีวัตถุประสงค์เพื่อวิเคราะห์ปัจจัยที่ส่งผลต่อการสูญเสียน้ำตาลในกระบวนการผลิตน้ำตาลจากอ้อย โดยใช้ข้อมูลเชิงปริมาณจากโรงงานน้ำตาล ครอบคลุม 9 ตัวแปร ได้แก่ ประสิทธิภาพเครื่องจักร (Mechanical efficiency), จำนวนชั่วโมงหยุดเครื่องจักรในหนึ่งวัน (Stoppage), จำนวนชั่วโมงหยุดรออ้อยในหนึ่งวัน (Due to Cane), ปริมาณทรายในน้ำอ้อย (Sand), ประสิทธิภาพการหีบสกัดอ้อย (Pol Extraction), ประสิทธิภาพเวลาการทำงานโดยรวม (Overall Time), ค่าความบริสุทธิ์ของน้ำอ้อย (Purity), ค่าปริมาณน้ำตาลในอ้อย (C.C.S.), และปริมาณอ้อยไฟไหม้ (Burn Cane) โดยจะทำการวิเคราะห์ข้อมูลด้วยค่าสหสัมพันธ์ (Correlation) เพื่อตรวจสอบความสัมพันธ์ระหว่างตัวแปร และแบบจำลองการถดถอย (Regression Model) เพื่อพยากรณ์การสูญเสียน้ำตาล ผลการวิจัยพบว่า ประสิทธิภาพเครื่องจักร, ค่าปริมาณน้ำตาลในอ้อย และปริมาณทรายหรือสิ่งปนเปื้อนในน้ำอ้อย มีความสัมพันธ์อย่างมีนัยสำคัญกับการสูญเสียน้ำตาล โดยประสิทธิภาพเครื่องจักร มีความสัมพันธ์โดยตรงกับปริมาณอ้อยเข้าหีบ ซึ่งช่วยเพิ่มผลผลิตน้ำตาล ขณะที่ อ้อยไฟไหม้หรืออ้อยที่ถูกเผาก่อนการเก็บเกี่ยว ส่งผลให้การสกัดน้ำตาลลดลงและกระทบต่อคุณภาพน้ำตาล ดังนั้น การลดการสูญเสียน้ำตาลในกระบวนการผลิตสามารถทำได้โดย การเพิ่มประสิทธิภาพเครื่องจักร, ลดสิ่งปนเปื้อนในน้ำอ้อย และจัดการอ้อยไฟไหม้ ซึ่งจะช่วยปรับปรุงประสิทธิภาพการผลิตน้ำตาลให้สูงขึ้นได้ในอนาคต
คณะวิศวกรรมศาสตร์
ระบบสร้างภาษามือไทยเชิงกำเนิดมีเป้าหมายในการพัฒนาแพลตฟอร์ม การสร้างแบบจำลอง 3 มิติและแอนิเมชัน ที่สามารถแปลง ประโยคภาษาไทยเป็นท่าทางภาษามือไทย (TSL) ที่ถูกต้องและเป็นธรรมชาติ โครงการนี้ช่วยเสริมสร้างการสื่อสารสำหรับ ชุมชนผู้บกพร่องทางการได้ยินในประเทศไทย โดยใช้แนวทางที่อิงกับ แลนมาร์ก (Landmark-Based Approach) ผ่านการใช้ Vector Quantized Variational Autoencoder (VQVAE) และ Large Language Model (LLM) ในการสร้างภาษามือ ระบบเริ่มต้นด้วยการ ฝึกโมเดล VQVAE โดยใช้ข้อมูลแลนมาร์กที่สกัดจากวิดีโอภาษามือ เพื่อให้โมเดลเรียนรู้ การแทนค่าแบบแฝง (Latent Representations) ของท่าทางภาษามือไทย หลังจากนั้น โมเดลที่ฝึกแล้วจะถูกใช้เพื่อ สร้างลำดับแลนมาร์กของท่าทางเพิ่มเติม ซึ่งช่วยขยายชุดข้อมูลฝึกโดยอ้างอิงจาก BigSign ThaiPBS Dataset เมื่อชุดข้อมูลได้รับการขยายแล้ว ระบบจะทำการ ฝึก LLM เพื่อสร้างลำดับแลนมาร์กที่ถูกต้องจากข้อความภาษาไทย โดยลำดับแลนมาร์กที่ได้จะถูกนำไปใช้ สร้างแอนิเมชันของโมเดล 3 มิติใน Blender เพื่อให้ได้ท่าทางภาษามือที่ลื่นไหลและเป็นธรรมชาติ โครงการนี้ถูกพัฒนาด้วย Python โดยใช้ MediaPipe สำหรับการสกัดแลนมาร์ก OpenCV สำหรับการประมวลผลภาพแบบเรียลไทม์ และ Blender’s Python API สำหรับสร้างแอนิเมชัน 3 มิติ ด้วยการผสานเทคโนโลยี AI, การเข้ารหัสผ่าน VQVAE และการสร้างแลนมาร์กด้วย LLM ระบบนี้มุ่งหวังที่จะ เชื่อมช่องว่างระหว่างข้อความภาษาไทยและภาษามือไทย เพื่อมอบแพลตฟอร์มการแปลภาษามือแบบโต้ตอบ ในเวลาจริง ให้กับชุมชนผู้บกพร่องทางการได้ยินในประเทศไทย