เนื่องจากสำนักงานดูแลกิจการโทรคมนาคม (ดท.) ของสำนักงานคณะกรรมการกิจการกระจายเสียง กิจการโทรทัศน์ และกิจการโทรคมนาคมแห่งชาติ (สำนักงาน กสทช.) มีหน้าที่กำกับดูแลและการควบคุมคุณภาพการให้บริการโทรคมนาคมตามมาตรฐานกฎหมาย จึงมีการตรวจสอบคุณภาพการให้บริการโทรคมนาคมผ่านโครงข่ายโทรคมนาคมเคลื่อนที่ส่งผลให้ต้องเก็บข้อมูลของคุณภาพการให้บริการโทรคมนาคมจำนวนมหาศาล โดยโปรแกรม Microsoft Excel ซึ่งโปรแกรมหลักที่สำนักงานดูแลกิจการโทรคมนาคม (ดท.) ของสำนักงาน กสทช. ใช้ในการประมวลผลวิเคราะห์ข้อมูลที่ผ่านมานั้นประมวลผลได้ช้า ทางผู้จัดพัฒนามีความเห็นว่าในปัจจุบันได้มีนวัตกรรมที่ดีกว่าในการใช้งานเพื่อวิเคราะห์ข้อมูล ผู้พัฒนาเลือกใช้ Python Programing ในการประมวลผล วิเคราะห์ และจัดเตรียมข้อมูลต้นทางจากโปรแกรม Syberiz ของสำนักงาน กสทช. ในรูปของไฟล์ CSV จากนั้นนำไฟล์ที่ได้ไปทำการแสดงผลในรูปแบบของหน้าจอแสดงผล (Dashboard) ซึ่งประกอบไปด้วยส่วนของ กราฟ รายงานผลการทดสอบการให้บริการโทรศัพท์เคลื่อน และแผนที่ เป็นไปตามประกาศมาตรฐานคุณภาพการให้บริการโทรคมนาคมของสำนักงาน กสทช. ในการแสดงผลค่าพารามิเตอร์ต่าง ๆ โดยใช้โปรแกรม Power BI ในการออกแบบส่วนของการแสดงผล ส่งผลให้หน้าจอแสดงผล (Dashboard) ที่ได้นั้นมีความสวยงาม ง่ายต่อการใช้งาน และที่สำคัญคือความเร็วในการแสดงผลที่ดีกว่า Microsoft Excel โดยโครงงานได้ออกแบบเฉพาะเจาะจงเพื่อใช้งานในส่วนของสำนักงานดูแลกิจการโทรคมนาคม (ดท.) ของสำนักงาน กสทช. เท่านั้น
เนื่องจากสำนักงานดูแลกิจการโทรคมนาคม (ดท.) ของสำนักงานคณะกรรมการกิจการกระจายเสียง กิจการโทรทัศน์ และกิจการโทรคมนาคมแห่งชาติ (สำนักงาน กสทช.) มีหน้าที่กำกับดูและการควบคุมคุณภาพการให้บริการโทรคมนาคมตามมาตรากฎหมาย จึงมีการตรวจสอบคุณภาพการให้บริการโทรคมนาคมผ่านโครงข่ายโทรคมนาคมเคลื่อนที่ส่งผลให้ต้องเก็บข้อมูลของคุณภาพการให้บริการโทรคมนาคมจำนวนมหาศาล โดยโปรแกรม Microsoft Excel ซึ่งเป็นโปรแกรมหลักที่สำนักงานดูแลกิจการโทรคมนาคม (ดท.) ของสำนักงาน กสทช. ใช้ในการประมวลผลวิเคราะห์ข้อมูลในปัจจุบันนั้นประมวลผลได้ช้า ทางผู้พัฒนามีความเห็นว่าในปัจจุบันได้มีนวัตกรรมที่ดีกว่าในการใช้งานเพื่อวิเคราะห์ข้อมูล ผู้พัฒนาเลือกใช้ Python Programing ในการประมวลผล วิเคราะห์ และจัดเตรียมข้อมูล จากนั้นนำไฟล์ที่ได้ไปทำการแสดงผลในรูปแบบของหน้าจอแสดงผล (Dashboard) ซึ่งประกอบไปด้วยส่วนของ กราฟ ตารางสรุปผล และแผนที่ในการแสดงผลค่าพารามิเตอร์ต่างๆ โดยใช้โปรแกรม Power BI ในการออกแบบส่วนของการแสดงผล ส่งผลให้หน้าจอแสดงผล (Dashboard) ที่ได้นั้นมีความสวยงาม ง่ายต่อการใช้งาน และที่สำคัญคือความเร็วในการแสดงผลที่ดีกว่า Microsoft Excel โดยโครงงานได้ออกแบบเฉพาะเจาะจงเพื่อใช้งานในส่วนของสำนักงานดูแลกิจการโทรคมนาคม (ดท.) ของสำนักงาน กสทช.เท่านั้น
คณะวิศวกรรมศาสตร์
โครงงานนี้พัฒนาแพลตฟอร์มที่ใช้คอมพิวเตอร์วิทัศน์วิเคราะห์ภาพจากกล้องวงจรปิดแบบเรียลไทม์ เพื่อตรวจจับการกระทำผิดกฎหมายจราจร เช่น การฝ่าฝืนขับรถเข้าเขตที่มีเส้นทึบ ระบบสามารถระบุและบันทึกเหตุการณ์ละเมิดกฎจราจรโดยอัตโนมัติ ช่วยเพิ่มประสิทธิภาพการบังคับใช้กฎหมายและลดภาระของเจ้าหน้าที่ตำรวจจราจร นอกจากนี้ ยังเป็นส่วนสำคัญในการพัฒนาระบบเมืองอัจฉริยะ โดยบูรณาการข้อมูลเพื่อปรับปรุงการจัดการจราจรและความปลอดภัยบนท้องถนน
คณะวิทยาศาสตร์
ในยุคที่ข้อมูลรีวิวสินค้าบนแพลตฟอร์มอีคอมเมิร์ซมีจำนวนมาก การสรุปความคิดเห็นให้เข้าใจง่ายและใช้งานได้จริงจึงเป็นสิ่งสำคัญ งานวิจัยนี้นำเสนอระบบวิเคราะห์รีวิวสินค้าด้วย Aspect-Based Sentiment Analysis (ABSA) ซึ่งเป็นเทคนิคใน Natural Language Processing (NLP) ที่สามารถแยกแยะแง่มุมสำคัญของรีวิว (เช่น การจัดส่ง คุณภาพสินค้า บรรจุภัณฑ์) และวิเคราะห์อารมณ์ (บวก ลบ หรือเป็นกลาง) ของแต่ละแง่มุม ระบบนี้ช่วยให้ผู้บริโภคและร้านค้าสามารถเข้าถึงข้อมูลเชิงลึกได้อย่างมีประสิทธิภาพ โครงการนี้ได้พัฒนา AI สำหรับการวิเคราะห์ ABSA ภาษาไทย โดยใช้ WangchanBERTa ซึ่งฝึกบนข้อมูลภาษาไทย และเปรียบเทียบกับโมเดลต่างๆ เช่น TF-IDF + Logistic Regression, Word2Vec + BiLSTM, และ Multilingual BERT (mBERT/XLM-R) เพื่อประเมินประสิทธิภาพในด้านความแม่นยำ ความเร็ว และการใช้ทรัพยากร นอกจากนี้ยังมีการแสดงผลผ่าน Dashboard Visualization เพื่อให้ผู้ใช้เข้าใจแนวโน้มของรีวิวได้อย่างรวดเร็ว ผลลัพธ์ที่คาดหวังคือการพัฒนาเครื่องมือ AI ที่ใช้งานจริงในอุตสาหกรรมอีคอมเมิร์ซ ช่วยให้ผู้บริโภคตัดสินใจซื้อสินค้าได้ง่ายขึ้น และช่วยร้านค้าในการปรับปรุงผลิตภัณฑ์และบริการได้อย่างมีประสิทธิภาพ
คณะเทคโนโลยีการเกษตร
ทุเรียนเป็นพืชเศรษฐกิจที่สำคัญของประเทศไทยและเป็นสินค้าส่งออกที่มีปริมาณสูงที่สุดในโลก อย่างไรก็ตาม การผลิตทุเรียนให้มีคุณภาพสูงจำเป็นต้องอาศัยการดูแลสุขภาพของต้นทุเรียนให้แข็งแรงและปราศจากโรค เพื่อให้สามารถให้ผลผลิตได้อย่างมีประสิทธิภาพ และลดความเสียหายที่อาจเกิดขึ้นกับทั้งต้นและผลทุเรียน โรคที่พบได้บ่อยและสามารถแพร่กระจายได้อย่างรวดเร็ว มักเป็นโรคที่เกิดขึ้นบริเวณใบ ซึ่งส่งผลกระทบโดยตรงต่อการเจริญเติบโตของต้นทุเรียนและคุณภาพของผลผลิต การตรวจสอบและควบคุมโรคทางใบจึงเป็นปัจจัยสำคัญในการรักษาคุณภาพของทุเรียน งานวิจัยนี้มีวัตถุประสงค์เพื่อนำเทคโนโลยีการวิเคราะห์ภาพถ่ายร่วมกับปัญญาประดิษฐ์ (Artificial Intelligence: AI) มาประยุกต์ใช้ในการจำแนกโรคที่เกิดขึ้นในใบทุเรียน เพื่อให้เกษตรกรสามารถตรวจสอบโรคได้ด้วยตนเองโดยไม่ต้องอาศัยผู้เชี่ยวชาญ โดยจำแนกใบออกเป็น 3 ประเภท ได้แก่ ใบสุขภาพดี (Healthy: H) ใบที่ติดเชื้อแอนแทรคโนส (Anthracnose: A) และใบที่ติดเชื้อจุดสาหร่าย (Algal Spot: S) ทั้งนี้ ได้นำอัลกอริทึม Convolutional Neural Networks (CNN) ได้แก่ ResNet-50, GoogleNet และ AlexNet มาใช้ในการพัฒนาแบบจำลองเพื่อจำแนกประเภทของโรค ผลการทดลองพบว่า แบบจำลองที่ใช้ ResNet-50, GoogleNet และ AlexNet ให้ค่าความแม่นยำในการจำแนกใบเท่ากับ 93.57%, 93.95% และ 68.69% ตามลำดับ