กรรมวิธีผลิตแผ่นแสดงระดับความหืนของอาหารประกอบด้วยขั้นตอนที่สำคัญ 3 ขั้นตอน คือ 1. การเตรียมสารละลายอินดิเคเตอร์ 2. การเตรียมสารละลายเซลลูโลส และ 3. การขึ้นรูปแผ่น มีสารละลายโบรโมไทมอลบลู และสารละลายเมทิลเรดทำหน้าที่เป็นอินดิเคเตอร์ ส่วนสารละลายเซลลูโลสประกอบด้วยสารไฮดรอกซีโพรพิลเมทิลเซลลูโลส สารคาร์บอกซีเมทิลเซลลูโลส สารโซเดียมไฮดรอกไซด์ สารโพลิเอทิลีน ไกลคอล 400 และสารละลายอินดิเคเตอร์ สำหรับการขึ้นรูปแผ่นใช้สารละลายเซลลูโลสผสมกับน้ำยางธรรมชาติเพื่อเพิ่มความยืนหยุ่นและทำให้มีคุณสมบัติไม่น้ำชอบ หลังการอบแห้งสิ่งประดิษฐ์จะมีลักษณะเป็นแผ่นบางสีน้ำเงินเข้ม เมื่อสัมผัสกับสารระเหยของความหืนของอาหารทอด จะเปลี่ยนสีจากสีน้ำเงินเข้มเป็นสีเขียว และเปลี่ยนเป็นสีเหลือง ตามปริมาณสารระเหยของความหืนของอาหารทอดที่เพิ่มขึ้น
กลิ่นหืน (rancidity) เป็นกลิ่นผิดปกติของไขมันหรือน้ำมัน ที่แสดงถึงการเสื่อมเสียของอาหาร (food spoilage) เนื่องจากปฏิกิริยาทางเคมีในผลิตภัณฑ์ที่มีไขมันหรือน้ำมันเป็นองค์ประกอบเป็นดัชนีสำคัญต่ออายุการเก็บรักษา กลิ่นหืนเกิดจากปฏิกิริยาออกซิเดชันของลิพิด (lipid oxidation) ในรูปของไตรกลีเซอไรด์ (triglyceride) ที่มีกรดไขมันชนิดไม่อิ่มตัว (unsaturated fatty acid) ที่ตำแหน่งพันธะคู่ ผลจากปฏิกิริยานี้ทำให้เกิดสารที่ให้กลิ่นและรสที่ผิดปกติที่เรียกว่ากลิ่นหืน การหืนเป็นปฏิกิริยาลูกโซ่ (chain reaction) เพราะอนุมูลอิสระ (free radical) ที่เกิดขึ้นจะกระตุ้นโมเลกุลกรดไขมันที่เหลือให้เกิดปฏิกิริยาต่อไป ปฏิกิริยาออกซิเดชันของลิพิดแบ่งได้เป็น 3 ช่วง คือ 1) ขั้นเริ่มต้นเพื่อก่อให้เกิดอนุมูลอิสระ (initiation) 2) ขั้นเกิดปฏิกิริยาลูกโซ่ (propagation) และ 3) ขั้นยุติที่อนุมูลอิสระทำปฏิกิริยากันเอง (termination) ทำให้มีกลิ่นหืนจากสารแอลดีไฮด์ แอลกอฮอล์ ฟูแรน และกรดที่ผลิตขึ้น โดยสารเฮกซานาลซึ่งเป็นสารกลุ่มแอลดีไฮด์มักใช้เป็นตัวบ่งชี้การเกิดการหืนในอาหาร สารที่เกิดจากการหืนเหล่านั้นมีผลต่อคุณภาพอาหารและสุขภาพของผู้บริโภค ทำให้คุณภาพของอาหารเสื่อมลง สมบัติทางกายภาพและทางเคมีเปลี่ยนแปลง อาหารมีสีผิดปกติ กลิ่นรสและลักษณะเนื้อสัมผัสของอาหารเปลี่ยนแปลง คุณค่าทางอาหารลดลง และบางครั้งอาจมีสารที่เป็นอันตรายต่อร่างกายเกิดขึ้นด้วย ปัจจุบันนี้ได้มีการศึกษาและพัฒนาการใช้ฉลากอัจฉริยะติดบนบรรจุภัณฑ์เพื่อบ่งบอกถึงคุณภาพของผลิตภัณฑ์แก่ผู้บริโภค เป็นนวัตกรรมที่คิดค้นขึ้นมาเพื่อเป็นเครื่องมือหนึ่งในการสร้างความน่าเชื่อถือและความมั่นใจให้กับผู้บริโภคซึ่งต้องการผลิตภัณฑ์อาหารที่มีความสด ใหม่ และปลอดภัย เพื่อช่วยให้ผู้บริโภคตัดสินใจเลือกซื้อผลิตภัณฑ์ต่าง ๆ ได้อย่างสะดวกและปลอดภัยมากขึ้น ในแง่ของผู้ขายก็เป็นการเพิ่มมูลค่าของสินค้าทำให้สามารถบริหารจัดการผลิตภัณฑ์ต่าง ๆ ได้ดียิ่งขึ้น เพราะจะทราบระยะเวลาที่ผลิตภัณฑ์ยังคงความสดใหม่และสามารถวางอยู่ที่ชั้นขายได้ ดังนั้นโครงการวิจัยนี้จึงเป็นการพัฒนาฉลากอัจฉริยะแสดงระดับความหืนของอาหารทอด ซึ่งมีวัตถุประสงค์หลักเพื่อ 1) ศึกษาการเปลี่ยนแปลงสมบัติทางเคมีฟิสิกส์ของอาหารทอดระหว่างการเก็บรักษา และ 2) พัฒนาฉลากแสดงระดับความหืนของอาหารทอดระหว่างการเก็บรักษา โดยมีวิธีการวิจัยดังนี้ ใช้ข้าวเกรียบทอดเป็นตัวแทนของอาหารทอด แล้ววิเคราะห์ปริมาณค่าเปอร์ออกไซด์ (peroxide value) ค่าความเป็นกรด (acid value) ค่ากรดไทโอบาร์บิทูริค (thiobarbituric acid) ค่ากรดไขมัน (fatty acids) ที่เปลี่ยนแปลงระหว่างการเก็บรักษาในสภาวะควบคุม รวมทั้งการพัฒนาฉลากเซนเซอร์อัจฉริยะที่ตรวจวัดปริมาณแอลดีไฮด์ที่เกิดจากการหืนแล้วแสดงค่าเป็นความเข้มสีต่าง ๆ ที่สอดคล้องกับปริมาณของระดับความหืน (หรือระดับค่าทางเคมีที่เกี่ยวข้อง) โดยใช้พอลิแซคคาไรด์ซึ่งเป็นพอลิเมอร์ธรรมชาติ ย่อยสลายได้ง่ายและไม่เป็นพิษต่อสิ่งแวดล้อมและผู้บริโภคเป็นวัสดุสำหรับสร้างแผ่นฉลาก และมีสีย้อมที่ทำหน้าที่เป็นเซนเซอร์ดักจับและทำปฏิกิริยากับผลิตภัณฑ์ที่เกิดจากการเหม็นหืนอย่างจำเพาะเป็นส่วนประกอบสำคัญ ในการวิจัยจะทำการพัฒนาฉลากอัจฉริยะให้มีว่องไวต่อการตรวจวัดการเหม็นหืนและคงความเสถียรของสีไว้ให้นาน จากนั้นหาความสัมพันธ์ระหว่างการทดสอบอาหารทอดด้วยประสาทสัมผัส (sensory test) กับการเปลี่ยนสีของฉลากอัจฉริยะ และสุดท้ายทำการทดสอบประสิทธิภาพของฉลากอัจฉริยะแสดงระดับความหืนของอาหารทอด และกำหนดค่าดัชนีชี้วัดระดับความหืนของอาหารทอดที่ทดลอง
วิทยาเขตชุมพรเขตรอุดมศักดิ์
ขนมทองโบราณ หรือที่พื้นที่เรียกกันว่าขนมขี้มัน ซึ่งเป็นขนมที่มีส่วนผสมของแป้งที่ทำมาจากข้าวเหลืองปะทิว
วิทยาลัยการจัดการนวัตกรรมและอุตสาหกรรม
งานวิจัยนี้นำเสนอการพัฒนาเส้นใยนาโนคาร์บอนที่มีโครงสร้างหลายเฟสผสมออกไซด์ของโลหะ (CNF@MOx; M = Ag, Mn, Bi, Fe) โดยฝังอนุภาคนาโนของเงิน แมงกานีส บิสมัท และเหล็ก ลงในเส้นใยนาโนคาร์บอนที่ได้จากพอลิอะคริโลไนไตรล์ (PAN) ผ่านเทคนิคอิเล็กโทรสปินนิ่งและผ่านการอบชุบในบรรยากาศอาร์กอน ผลลัพธ์แสดงให้เห็นว่าเส้นใยนาโนที่ได้มีโครงสร้างที่เป็นระเบียบ เส้นผ่านศูนย์กลางเฉลี่ย 559-830 นาโนเมตร และมีอนุภาคนาโนฝังตัวขนาด 9-21 นาโนเมตร การวิเคราะห์เชิงโครงสร้างยืนยันการมีอยู่ของสถานะออกซิเดชันต่างๆ ของโลหะออกไซด์ ซึ่งมีบทบาทสำคัญในกลไกการเก็บประจุไฟฟ้า ผลการทดสอบทางไฟฟ้าเคมีพบว่า CNF@Ag/Mn/Bi/Fe-20 มีค่าความจุจำเพาะสูงสุดที่ 156 F g⁻¹ ที่อัตราการสแกน 2 mV s⁻¹ และมีเสถียรภาพสูง โดยยังคงค่าความจุได้มากกว่า 96% หลังจากการชาร์จ-คายประจุ 1400 รอบ กลไกการเก็บประจุของเส้นใยนี้เกิดจากการทำงานร่วมกันระหว่างความสามารถในการเก็บประจุแบบชั้นคู่ไฟฟ้าและกระบวนการรีดอกซ์ ซึ่งช่วยเพิ่มประสิทธิภาพของวัสดุอิเล็กโทรดสำหรับตัวเก็บประจุยิ่งยวด
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