ในโลกที่ให้ความสําคัญกับความยั่งยืนและลดผลกระทบต่อสิ่งแวดล้อมมากขึ้น DreamHigh เป็นผู้บุกเบิกแนวทางที่เป็นนวัตกรรมในการแก้ปัญหาบรรจุภัณฑ์โดยใช้ไมซีเลียม ซึ่งเป็นวัสดุธรรมชาติที่ย่อยสลายได้ทางชีวภาพ และทดแทนได้จากเชื้อรา ภารกิจของเราคือการปฏิวัติอุตสาหกรรมบรรจุภัณฑ์โดยนําเสนอทางเลือกที่เป็นมิตรกับสิ่งแวดล้อมที่ไม่เพียงแต่ลดขยะเท่านั้น แต่ยังสอดคล้องกับความพยายามระดับโลกในการต่อสู้กับการเปลี่ยนแปลงสภาพภูมิอากาศอีกด้วย บรรจุภัณฑ์ไมซีเลียมเสนอทางเลือกที่น่าสนใจสําหรับบรรจุภัณฑ์พลาสติกและสไตโรโฟมแบบดั้งเดิม ซึ่งมีส่วนสําคัญต่อมลภาวะต่อสิ่งแวดล้อม สามารถย่อยสลายได้ทางชีวภาพอย่างสมบูรณ์ ย่อยสลายได้ และสามารถย่อยสลายได้ในสภาพแวดล้อมทางธรรมชาติภายในไม่กี่สัปดาห์ โดยไม่ทิ้งสารพิษตกค้างไว้ข้างหลัง นอกจากนี้ ผลิตภัณฑ์ที่ใช้ไมซีเลียมมีน้ําหนักเบา ทนทาน และปรับแต่งได้ ทําให้เหมาะสําหรับการใช้งานที่หลากหลาย ตั้งแต่บรรจุภัณฑ์สินค้าอุปโภคบริโภคไปจนถึงวัสดุป้องกันการจัดส่ง แผนธุรกิจของ DreamHigh ได้สรุปกระบวนการผลิตที่ปรับขนาดได้โดยใช้เทคนิคการเพาะปลูกไมซีเลียมขั้นสูงและความร่วมมือกับภาคเกษตรกรรมในท้องถิ่นเพื่อใช้ของเสียทางการเกษตรเป็นวัตถุดิบหลัก สิ่งนี้ไม่เพียงแต่ช่วยให้มั่นใจถึงประสิทธิภาพด้านต้นทุนเท่านั้น แต่ยังสนับสนุนเศรษฐกิจหมุนเวียนด้วยการนําของเสียที่จะถูกทิ้งไปใช้ประโยชน์ใหม่
เนื่องจากเราเล็งเห็นถึงปัญหาของการทิ้งโฟมหรือพลาสติกกันกระแทก ที่ใช้เวลาในการย่อยสลายนาน เราจึงนำตัวไมซีเลียมที่ใช้เวลาย่อยสลายไม่นานอีกทั้งยังเป็นมิตรต่อธรรมชาติ
คณะวิศวกรรมศาสตร์
โครงการนี้มีเป้าหมายเพื่อ ตรวจจับและจำแนกประเภทของรอยร้าวบนผนัง โดยใช้ AI และการประมวลผลภาพ ผู้ใช้สามารถ อัปโหลดรูปภาพ และระบบจะ วิเคราะห์ประเภทและความรุนแรงของรอยร้าว โมเดลที่ใช้คือ ResNet-50 ซึ่งมีความแม่นยำ 70.59% การปรับแต่งข้อมูลและการเพิ่มข้อมูลช่วยให้การตรวจจับแม่นยำขึ้น เครื่องมือนี้ช่วย ป้องกันความเสียหายทางโครงสร้าง โดยให้คำแนะนำเบื้องต้นสำหรับการบำรุงรักษา
คณะเทคโนโลยีสารสนเทศ
งานวิจัยนี้นำเสนอวิธีการเรียนรู้เชิงลึกเพื่อสร้างคำบรรยายอัตโนมัติจากการแบ่งส่วนความเสียหายของชิ้นส่วนรถยนต์ โดยการวิเคราะห์จากข้อมูลภาพของรถยนต์โดยใช้โครงสร้างแบบโครงคร่าวแบบรวม (Unified Framework) เพื่อช่วยให้สามารถระบุตำแหน่งและอธิบายความเสียหายที่เกิดขึ้นกับรถยนต์ได้อย่างแม่นยำและรวดเร็ว โดยการพัฒนาประยุกต์จากพื้นฐานงานวิจัยที่มีชื่อว่า ”GRiT: A Generative Region-to-text Transformer for Object Understanding” ที่ผู้วิจัยได้ทำการพัฒนาและปรับแต่งให้เหมาะสมกับการวิเคราะห์ภาพที่เกี่ยวข้องกับรถยนต์โดยเฉพาะ การปรับปรุงนี้มีจุดประสงค์เพื่อทำให้แบบจำลองสามารถสร้างคำบรรยายสำหรับบริเวณต่างๆ ของรถยนต์ได้อย่างแม่นยำ ตั้งแต่บริเวณที่ได้รับความเสียหายไปจนถึงการระบุส่วนประกอบต่างๆ บนรถยนต์ ทางผู้วิจัยได้เน้นการพัฒนาเทคนิคการเรียนรู้เชิงลึกเพื่อสร้างคำบรรยายอัตโนมัติและการแบ่งส่วนความเสียหายในการวิเคราะห์ความเสียหายของรถยนต์ เพื่อช่วยให้สามารถระบุตำแหน่งและอธิบายความเสียหายที่เกิดขึ้นกับยานยนต์ได้อย่างแม่นยำ ช่วยเพิ่มความรวดเร็ว ลดภาระของผู้เชี่ยวชาญในการประเมินความเสียหาย โดยวิธีการเเบบดั้งเดิมอาศัยการประเมินจากผู้เชี่ยวชาญเท่านั้น มีค่าใช้จ่ายสูงและใช้เวลานาน เพื่อลดปัญหานี้ ทางเราเสนอให้ใช้ประโยชน์จากการสร้างข้อมูลเพื่อฝึกฝนการสร้างคำบรรยายาย เเละ แบ่งส่วนความเสียหายอย่างอัตโนมัติ โดยใช้ โครงสร้างแบบโครงคร่าวแบบรวม ซึ่งการพัฒนานี้เป็นการขยายความสามารถของแบบจำลองให้สามารถประยุกต์ใช้ได้กว้างขวางมากขึ้นในภาคส่วนของยานยนต์ ทางผู้วิจัยได้สร้างชุดข้อมูลใหม่จาก CarDD ซึ่งเป็นชุดข้อมูลที่เฉพาะเจาะจงสำหรับการตรวจจับความเสียหายของรถยนต์ ในชุดข้อมูลนี้มีการติดป้ายกำกับความเสียหายบนรถยนต์ และผู้วิจัยได้นำข้อมูลชุดดังกล่าวมาเข้าสู่แบบจำลองเพื่อแยกส่วนของรถยนต์เป็นชิ้นส่วนต่างๆ เพื่อจัดทำการติดป้ายกำกับคำอธิบายที่แม่นยำสำหรับแต่ละชิ้นส่วนและหมวดหมู่ความเสียหาย ผลลัพธ์เบื้องต้นจากเเบบจำลอง แสดงให้เห็นถึงความสามารถในการสร้างคำบรรยายอัตโนมัติและการแบ่งส่วนความเสียหายในการวิเคราะห์ความเสียหายของรถยนต์ได้อยู่ในเกณฑ์พอใช้ ด้วยผลลัพธ์นี้ เเบบจำลองนี้ถือเป็นพื้นฐานสำคัญที่จะถูกพัฒนาต่อยอดในอนาคต การพัฒนาต่อยอดนี้ไม่เพียงแต่มุ่งเน้นที่การเพิ่มประสิทธิภาพในการแบ่งส่วนความเสียหายและสร้างคำบรรยายเท่านั้น แต่ยังรวมถึงการปรับปรุงความสามารถในการตอบสนองต่อความหลากหลายของความเสียหายที่เกิดขึ้นบนพื้นผิวและส่วนต่างๆ ของรถยนต์ ซึ่งจะช่วยให้ระบบสามารถประยุกต์ใช้ได้กับยานยนต์หลากหลายรูปแบบและสภาพความเสียหายที่แตกต่างกันมากขึ้นในอนาคต
คณะวิศวกรรมศาสตร์
โครงการนี้จัดทำขึ้นเพื่อตอบสนองต่อปัญหาในทางการแพทย์ที่เกี่ยวข้องกับกระบวนการนับและแยกเซลล์เม็ดเลือดจากตัวอย่าง ซึ่งเป็นกระบวนการที่ต้องใช้เวลาและความแม่นยำสูง เพื่อช่วยลดภาระของบุคลากรทางการแพทย์ ทางผู้จัดทำจึงได้พัฒนา แพลตฟอร์มและระบบปัญญาประดิษฐ์ (AI) ที่สามารถจำแนกประเภทและนับจำนวนเซลล์จากภาพตัวอย่างได้โดยอัตโนมัติ ระบบนี้ถูกออกแบบมาเพื่อช่วยผ่อนแรงนักเทคนิคการแพทย์ให้สามารถทำงานได้อย่างรวดเร็วและแม่นยำยิ่งขึ้น ลดระยะเวลาในการตรวจวิเคราะห์ อีกทั้งยังเป็นการส่งเสริมการพัฒนาเทคโนโลยีในวงการแพทย์ เพื่อให้สามารถรองรับการใช้งานในระดับห้องเรียน ห้องปฏิบัติการจนถึงโรงพยาบาลได้อย่างมีประสิทธิภาพ