ตู้แช่เวชภัณฑ์ชนิดกระจายความเย็นอย่างทั่วถึงพร้อมระบบบันทึกข้อมูลและควบคุมระยะไกล เป็นตู้แช่เวชภัณฑ์ที่มีระบบควบคุมการกระจายความเย็นภายในตู้แช่ให้มีอุณหภูมิใกล้เคียงกันทุกระดับความสูงภายในตู้แช่ พร้อมระบบบันทึกข้อมูล (Data Logging) เพื่อตรวจสอบห่วงโซ่ความเย็น (Cold Chain) ในการเก็บรักษาเวชภัณฑ์ พร้อมระบบแจ้งเตือนและควบคุมการทำงานระยะไกล
1. เพื่อแก้ปัญหาของการนำตู้แช่ปกติมาเก็บรักษาเวชภัณฑ์ เนื่องจากตู้แช่ทั่วไปจะมีความแตกต่างของอุณหภูมิในแต่ละระดับความสูงภายในตู้แช่ได้ถึง 5 องศาเซลเซียส ซึ่งสามารถก่อให้เกิดปัญหากับเวชภัณฑ์ที่ไวต่ออุณหภูมิในการเก็บรักษาได้ 2. พัฒนาโดยอาศัยเทคโนโลยีภายในประเทศเพื่อทดแทนการนำเข้าจากต่างประเทศ
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
คณะเทคโนโลยีสารสนเทศ
ในยุคที่เทคโนโลยีสารสนเทศเข้ามามีบทบาทสำคัญในหลายด้าน การใช้เว็บไซต์เพื่อสนับสนุนการเรียนการสอนจึงเป็นสิ่งจำเป็น โดยในกรณีศึกษานี้ ได้ทำการพัฒนาเว็บไซต์สำหรับวิชา Object Oriented Programming (OOP) ที่สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง เพื่ออำนวยความสะดวกแก่ผู้สอนและผู้ช่วยสอนในการกรอกคะแนน ตรวจงาน และติดตามความก้าวหน้าของนักศึกษา ซึ่งระบบที่พัฒนาขึ้นนี้สามารถช่วยลดข้อผิดพลาดในการกรอกคะแนน การตรวจงานได้อย่างรวดเร็วและแม่นยำ รวมถึงสามารถติดตามผลการเรียนและการส่งงานของนักศึกษาได้อย่างมีประสิทธิภาพ นอกจากนี้ยังเพิ่มความสะดวกในการจองคิวส่งงานและโปรเจคของนักศึกษา รวมถึงการแสดงข้อมูลสถิติคะแนนของนักศึกษา ซึ่งจะเป็นประโยชน์ในการยกระดับคุณภาพการเรียนการสอนให้มีความทันสมัย
คณะวิทยาศาสตร์
ด้วยการพัฒนาของเทคโนโลยีทางด้านอวกาศทำให้การสำรวจท้องฟ้าโดยใช้กล้องโทรทรรศน์ที่มีมุมมองกว้างขยายขอบเขตของข้อมูลใหม่ๆ สำหรับการวิจัยดาราศาสตร์โดเมนเวลามากยิ่งขึ้น ทำให้การวิเคราะห์ข้อมูลแบบดั้งเดิมไม่สามารถตอบสนองต่อข้อมูลได้อย่างรวดเร็วและแม่นยำเพียงพอต่อปริมาณข้อมูลที่เพิ่มขึ้นอย่างต่อเนื่อง ดังนั้น การจำแนกประเภทของข้อมูลซีรีส์เวลาอย่างกราฟแสงจึงเป็นความท้าทายอย่างมากในยุคที่ข้อมูลมีขนาดใหญ่ ในปัจจุบันการวิเคราะห์กราฟแสงจึงจำเป็นต้องใช้เทคนิคการเรียนรู้ของเครื่องเข้ามาช่วยในการวิเคราะห์ คัดกรองข้อมูลอันมหาศาลอย่างหลีกเลี่ยงไม่ได้ โดยอัลกอริทึมการเรียนรู้ของเครื่องแบ่งออกได้ 2 ประเภท คือ แบบตื้นและแบบลึก นักวิจัยหลายๆ ท่านได้นำเสนอวิธีการและการพัฒนาอัลกอริทึมหลากหลายรูปแบบสำหรับการจำแนกประเภทของกราฟแสง ซึ่งในงานนี้เราได้ทำการทดลองใช้ Support Vector Machine (SVM) และ XGBoost ซึ่งเป็นอัลกอริทึมการเรียนรู้ของเครื่องประเภทแบบตื้น และ 1D-CNN และ Long Short-Term Memory (LSTM) ซึ่งเป็นอัลกอริทึมการเรียนรู้เชิงลึกเป็นอีกหนึ่งสาขาของการเรียนรู้ของเครื่องที่เป็นประเภทแบบลึก เพื่อใช้ในการจำแนกประเภทของดาวแปรแสง โดยข้อมูลที่ใช้ในการอบรบและทดสอบ คือ ข้อมูล Optical Gravitational Lensing Experiment-III (OGLE-III) เป็นข้อมูลของดาวแปรแสง โดยอยู่ในพื้นที่ Large Magellanic Cloud (LMC) ที่มีการแบ่งได้ 5 คลาสหลักส่วนใหญ่ (Classical Cepheids, δ Scutis, eclipsing binaries, RR Lyrae stars และ Long-period variables) ผลลัพธ์แสดงให้เห็นถึงการวิเคราะห์ประสิทธิภาพของการเรียนรู้ของเครื่องแต่ละประเภทที่ใช้กับข้อมูลกราฟแสง อีกทั้งยังชี้ให้เห็นถึงความแม่นยำและค่าสถิติต่างๆ ของการเรียนรู้ของเครื่องที่ใช้ในทดลอง