การออกแบบกราฟฟิกตู้ขายของอัตโนมัติ และพื้นที่โดยรอบขนาด 5*6 เมตร โดยนำแบรนด์สกินแคร์ INGU เป็นสินค้า
เพื่อให้พัฒนาความเข้าใจ ความคิด การออกแบบ ให้สอดคล้องกับแบรนด์
วิทยาลัยการจัดการนวัตกรรมและอุตสาหกรรม
Air Rack เป็นผลิตภัณฑ์ที่ออกแบบมาเพื่อตอบโจทย์ธุรกิจที่มีข้อจำกัดด้านพื้นที่และงบประมาณในการสร้างห้องเซิร์ฟเวอร์ ระบบระบายความร้อน และการจัดการเสียงรบกวน ระบบนี้ช่วยให้สามารถใช้งานอุปกรณ์ไอทีในพื้นที่เปิดได้อย่างมีประสิทธิภาพ โดยรองรับทั้งการทำงานแบบ On-premise และ On-cloud ผ่านการแปลงข้อมูลจากเซ็นเซอร์เป็นข้อมูลดิจิทัลและแสดงผลผ่าน Dashboard ผู้ใช้สามารถควบคุม ติดตาม และวิเคราะห์ข้อมูลได้จากระยะไกล อีกทั้งระบบยังช่วยลดการใช้พลังงานไฟฟ้าและค่าใช้จ่ายในการบริหารจัดการห้องเซิร์ฟเวอร์แบบเดิมได้อย่างมีนัยสำคัญ
คณะอุตสาหกรรมอาหาร
Ginbanirose มีเป้าหมายในการพัฒนาสารสกัดจากสมุนไพรที่ช่วยบรรเทาอาการปวดประจำเดือน โดยใช้วัตถุดิบหลัก ได้แก่ กระเจี๊ยบแดง หัวปลี และขิง ซึ่งมีสารสำคัญที่มีฤทธิ์ต้านการอักเสบ ต้านอนุมูลอิสระ และช่วยบรรเทาอาการปวด สารสกัดถูกปรับปรุงประสิทธิภาพด้วยเทคโนโลยีเอนแคปซูเลชันแบบลิโพโซม เพื่อเพิ่มการดูดซึมและความเสถียร กระบวนการผลิตประกอบด้วยการสกัดสารจากสมุนไพร การทำแห้งแบบฟรีซดราย และการเตรียมฟอร์มูเลชันลิโพโซม ผลการทดลองแสดงให้เห็นว่าสารสกัดมีสารประกอบฟีโนลิกและฤทธิ์ต้านอนุมูลอิสระสูง โดย Ginbanirose สามารถตอบโจทย์คุณภาพชีวิตของผู้หญิงและเพิ่มโอกาสทางธุรกิจในตลาดสมุนไพรที่กำลังเติบโตในภูมิภาคเอเชียแปซิฟิกอย่างต่อเนื่อง
คณะเทคโนโลยีการเกษตร
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