KMITL Innovation Expo 2025 Logo

สารกันไฟ

สารกันไฟ

รายละเอียด

จุดมุ่งหมายของการประดิษฐ์นี้ เพื่อพัฒนาสารป้องกันการเกิดไฟป่าให้มีความสามารถในการป้องกันการเกิดไฟป่าระยะยาว มิใช่เพียงการใช้ระงับไฟป่า หรือป้องกันไม่ให้ไฟป่านั้นแพร่กระจายเป็นวงกว้าง แต่มุ่งเน้นที่การป้องกันไม่ให้เกิดการติดไฟตั้งแต่เริ่มต้น สามารถป้องกันการเกิดไฟป่าได้อย่างครอบคลุม สามารถป้องกันได้ยาวนานตลอดช่วงระยะเวลาที่เกิดไฟป่าสูงสุดหรือช่วงเข้าสู่ฤดูแล้ง นับเป็นระยะเวลาประมาณ 3 - 4 เดือน โดยหลังจากการที่มีการผลสารกันไฟป่าจะไม่ก่อให้เกิดความเป็นพิษต่อสิ่งแวดล้อมและสิ่งมีชีวิตทั้งบนบกและในน้ำ ไม่มีสารตกค้างหรือตกค้างน้อยที่สุดโดยไม่ก่อให้เกิดอันตรายต่อสภาพแวดล้อมโดยรอบภายใต้มาตรฐานที่มีการระบุไว้ เน้นการใช้วัตถุดิบ อุปกรณ์ และเคมีภัณฑ์ที่สามารถหาได้ง่ายในประเทศไทย รวมไปถึงการใช้มูลค่าต้นทุนการผลิตให้ต่ำที่สุดเท่าที่เป็นไปได้ ซึ่งทำให้เหมาะสมต่อการใช้งานในปริมาณมากสำหรับการฉีดพ่นป้องกันพื้นที่ป่าไม้บริเวณพื้นที่ป่าที่เสี่ยงต่อการเกิดอัคคีภัย จากค่าเฉลี่ยโดยประมาณสำหรับมลพิษที่เกิดในรหว่างการเกิดไฟป่า ได้แก่ ฝุ่นละออง (PM) ประกอบด้วย PM2.5 PM10, คาร์บอนมอนออกไซด์ (CO), คาร์บอนไดออกไซด์ (CO2), ไนโตรเจนออกไซด์ (NOx), สารประกอบอินทรีย์ระเหยง่าย (VOCs) เป็นต้น

วัตถุประสงค์

ป่าไม้เป็นทรัพยากรธรรมชาติที่มีคุณค่าต่อมนุษย์มากมาย ป่าไม้เป็นแหล่งปัจจัยพื้นฐานสี่ประการที่ทำให้มนุษย์สามารถดำรงชีวิตอยู่ได้ นอกจากนี้ป่าไม้ยังเป็นที่อยู่ของสิ่งมีชีวิตต่างๆรวมถึงสัตว์ป่าและพืชพรรณนานาชนิด ปัญหาไฟป่าเป็นอีกปัจจัยที่ส่งผลให้ทรัพยากรป่าไม้เสื่อมโทรมลงอย่างมาก ส่งผลให้ป่าไม้ไม่สามารถฟื้นตัวได้ทันตามวัฏจักรธรรมชาติ ปัจจุบันประเทศไทยได้สูญเสียพื้นที่ป่าไปเป็นจำนวนมากกว่า 1000000 ไร่ในสิบปีหลังสุด และผลกระทบจากไฟป่าทำให้เกิดปัญหาหมอกควันกระจายท้่วไปในบริเวณภาคเหนือ ภาคกลาง และตะวันออกเฉียงเหนือของประเทศ ทำให้ประชาชนจำนวนมากประสบปัญหาโรคระบบทางเดินหายใจ นวัตกรรมนี้จึงถูกสร้างขึ้นเพื่อต้องการลดปัญหาไฟป่าและปกป้องคลุมครองพื้นที่ป่าของประเทศ

นวัตกรรมอื่น ๆ

การพัฒนาคุณภาพและความปลอดภัยในการผลิตและบริการอาหารของโรงอาหารภายใน สจล.

คณะอุตสาหกรรมอาหาร

การพัฒนาคุณภาพและความปลอดภัยในการผลิตและบริการอาหารของโรงอาหารภายใน สจล.

การปฏิบัติกิจกรรมการดำเนินงานของโครงการประกอบด้วยการตรวจเชื้อจุลินทรีย์ในตัวอย่างอาหาร สุขลักษณะมือผู้ปรุง/ผู้สัมผัสอาหาร ภาชนะ และอุปกรณ์ การอบรมให้ความรู้เรื่องสุขาภิบาลอาหารและสุขวิทยาส่วนบุคคล สภาพการสุขาภิบาลอาหารของโรงอาหารและสุขลักษณะร่างกายของผู้ปรุงอาหาร โดยทางหลักสูตรการจัดการความปลอดภัยอาหารร่วมกับสำนักงานบริหารทรัพย์สิน สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบังวางแผนปฏิบัติการประเมินสถานที่จำหน่ายอาหารตามหลักมาตรฐานความปลอดภัยอาหาร SAN 20 ข้อกำหนด ตรวจการปนเปื้อนเชื้อโคลิฟอร์มแบคทีเรียในอาหาร ภาชนะอุปกรณ์ มือผู้สัมผัสโดยใช้ชุดตรวจสอบ อ.13 จำนวน 6 ตัวอย่าง เช่น อาหารปรุงสำเร็จ พื้นที่เตรียมหน้าร้าน มือผู้สัมผัสอาหาร นอกจากนี้ยังมีการตรวจการปนเปื้อนเชื้อโคลิฟอร์มแบคทีเรียในน้ำใช้ น้ำแข็งด้วยชุดตรวจสอบ อ.11 ผลวิเคราะห์ที่ได้ทั้งทางกายภาพ จุลินทรีย์และเคมีเพื่อเป็นแนวทางในการพัฒนาคุณภาพและความปลอดภัยในการผลิตและบริการอาหารของโรงอาหารภายในสถาบัน

การตรวจสอบโรคในใบทุเรียนด้วยภาพถ่ายและปัญญาประดิษฐ์

คณะเทคโนโลยีการเกษตร

การตรวจสอบโรคในใบทุเรียนด้วยภาพถ่ายและปัญญาประดิษฐ์

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

การจำลองระบบการสื่อสารแบบLoRaที่ใช้ในการเกษตร

คณะวิทยาศาสตร์

การจำลองระบบการสื่อสารแบบLoRaที่ใช้ในการเกษตร

การใช้เทคโนโลยีการสื่อสารแบบ LoRa ในการเกษตร