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.
The growing emphasis on zero-waste management and sustainable food systems has highlighted rice bran as a valuable yet underutilized by-product rich in bioactive polyphenols with antidiabetic properties. Meanwhile, modifying starch to reduce its glycemic response is crucial for diabetes management. Green processing techniques, such as ultrasonication and freeze-thaw treatment, offer a sustainable way to enhance starch-polyphenol complexation, slowing starch digestion naturally. This study explores the synergistic effects of these methods on rice starch-polyphenol complexes from red rice bran, evaluating their structural, functional, and digestibility properties. The findings demonstrate that dual-treated complexes lower starch digestibility and glycemic index (eGI), making them promise for functional food development. Additionally, this research supports sustainable food processing while contributing to healthier, low-glycemic food alternatives
คณะวิศวกรรมศาสตร์
การประเมินผลผลิตของผลมะม่วง และพฤติกรรมของผู้บริโภคที่มีความตระหนักถึงที่มาของผลผลิตมากยิ่งขึ้น ต้องการตรวจสอบย้อนกลับถึงที่มาของผลผลิตว่าผลผลิตนั้นๆได้รับการดูแลมาอย่างไรผ่านการระบุตำแหน่งของผลนั้นๆ ความเกี่ยวเนื่องกันถึงลักษะของผลผลิตที่เป็นผลมาจากวิธีการดูแลผลหรือต้นของผลผลิตในขณะที่ยังไม่ถูกเก็บเกี่ยว ดังนั้นเพื่อสร้างแบบจำลองที่สามารถตรวจจับและระบุตำแหน่งของผลมะม่วง โดยใช้ภาพถ่าย 2 มิติ ด้วยวิธีการ Deep Learning Model และเพื่อศึกษาเทคนิคการระบุพิกัดของผลมะม่วงในโลกจริงจากภาพภาพ 2 มิติ มีการใช้โมเดล YOLOv8 เพื่อ Object detection ร่วมกับเทคนิคการสอบเทียบกล้อง (Camera Calibration) และ Triangulation เพื่อหาตำแหน่ง 3 มิติ ของผลมะม่วงในภาพที่ถูกตรวจจับได้ จากการทำการทดลองหาตำแหน่งทั้งหมด 125 ครั้ง ที่มีการสุ่มค่าตำแหน่งของผลมะม่วง และตำแหน่งของกล้องที่มีมุม Yaw และ Pitch ที่แตกต่างกัน โดยการใช้ค่า Parameter จากรูปที่ถ่ายถัดไปมาเปรียบเทียบกันเพื่อหาตำแหน่งจริง 3 มิติ ที่ได้ผลความถูกต้องที่..... จากการใช้โมเดล YOLOv8 ที่มีค่าทำนาย Precision, Recall, mAP50, mAP50-95 และ F1-Score ได้แก่ 0.928, 0.901, 0.965, 0.785 และ 0.914 ตามลำดับ ซึ่งมีความแม่นยำที่มากพอเพื่อทำนายตำแหน่งของผลมะม่วงที่มีความคลาดเคลื่อนประมาณ 38 เซนติเมตร
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
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
โครงการนี้มีเป้าหมายเพื่อพัฒนาศักยภาพการใช้พลังงานในอนาคต Net Zero ของกรุงเทพครั้งใหม่ โดยมีเป้าหมายที่จะตอบข้อบกพร่องของโครงสร้างเมืองในปัจจุบัน ซึ่งยังคงไม่มีประสิทธิภาพและก่อมลพิษอย่างมาก ในทางกลับกันโครงการนี้สามารถผลิตพลังงานและส่งพลังงานส่วนเกินกลับคืนสู่เมืองและชุมชนโดยรอบ