โครงการนี้นำหลักการของเทคโนโลยีปัญญาประดิษฐ์ และ Deep Learning มาจัดทำระบบตำรวจอัจฉริยะ (Smart Police) เพื่อวิเคราะห์อัตลักษณ์บุคคลและยานพาหนะที่ต้องสงสัยว่าเกี่ยวข้องกับการกระทำความผิดเพื่อใช้รักษาความปลอดภัยในชีวิตและทรัพย์สินของประชาชน โดยหลักการทำงานของระบบตำรวจอัจฉริยะ จะติดตั้งกล้อง CCTV ในพื้นที่ที่มีความเสี่ยงในกการโจรกรรม เพื่อตรวจจับบุคคลที่มีอำพรางอาวุธ โดยวิเคราะห์จากภาพจากกล้อง CCTV ด้วยการประมวลผลภาพและประยุกต์ใช้เทคโนโลยีปัญญาประดิษฐ์ ในการเฝ้าระวังและตรวจจับสิ่งที่อยู่ในเหตุการณ์ เมื่อมีการโจรกรรมหรือเหตุการผิดปกติ ระบบจะแจ้งเตือนเหตุการณ์เข้ามาที่ศูนย์เฝ้าระวังภายในสถานีตำรวจ เพื่อให้ตำรวจไปตรวจสอบความผิดเบื้องต้น และไปพื้นที่เกิดเหตุได้ทันเหตุการณ์เพื่อดำเนินการป้องกันหรือระงับเหตุ ในกรณีที่มีการหลบหนี ระบบจะติดตามรถยนต์ หรือ รถมอเตอร์ไซด์ พร้อมระบุเส้นทางที่สามารถใช้ในการหลบหนีโดยใช้การติดตามจากลักษณะของยานพาหนะ และป้ายทะเบียนของยานพาหนะที่ก่อเหตุ เพื่อทำการติดตามและระงับเหตุได้ ดังนั้นระบบตำรวจอัจฉริยะที่พัฒนาขึ้นเป็นการร่วมมือของคณะวิศวกรรมศาสตร์ สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง, สำนักงานตำรวจภูธรภาค 2 มูลนิธิฉะเชิงเทราเพื่อการพัฒนา และสำนักงานเมืองอัจฉริยะจังหวัดฉะเชิงเทรา เพื่อป้องกันและป้องปรามการเกิดอาชญากรรม เพิ่มความปลอดภัยสาธารณะและความสงบเรียบร้อยให้แก่ประชาชนในพื้นที่จังหวัดฉะเชิงเทราซึ่งเป็นพื้นที่ในเขต EEC ซึ่งเป็นแหล่งเศรษฐกิจของประเทศ และเป็นแหล่งท่องเที่ยวใกล้กรุงเทพ และเป็นการสร้างเครือข่ายความร่วมมือทั้งภาครัฐ เอกชน และชุมชน ตลอดจนถ่ายทอดองค์ความรู้การใช้งานนวัตกรรมและการเขียนให้แก่ตำรวจและเจ้าหน้าที่ในการนำเทคโนโลยีไปใช้งานจริงและสามารถพัฒนาต่อยอดนวัตกรรมได้ใช้เอง ซึ่งเป็นการพัฒนาแบบต่อเนื่องในระยะยาวเพื่อให้เกิดความยั่งยืนและนําข้อมูลไปใช้ประโยชน์ด้านการวางแผนการดำเนินการรักษาความปลอดภัยและแผนการท่องเที่ยวของจังหวัดฉะเชิงเทรา
-
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
คณะวิทยาศาสตร์
งานวิจัยครั้งนี้มีวัตถุประสงค์เพื่อศึกษา และประมวลผลปัจจัยที่ส่งผลต่อค่าใช้จ่ายพลังงานของครัวเรือนในประเทศไทย และวิเคราะห์ปัจจัยที่ส่งผลต่อค่าใช้จ่ายพลังงานของครัวเรือนในประเทศไทย โดยกลุ่มตัวอย่างที่ใช้ในงานวิจัย คือ 57,600 ครัวเรือน ผลการวิจัยพบว่ากลุ่มตัวอย่างส่วนใหญ่ เป็นเพศชายมากกว่าเพศหญิง มีอายุเฉลี่ยอยู่ที่ 54.31 ปี มีสถานภาพสมรสแล้ว ซึ่งส่วนใหญ่มีระดับการศึกษาอยู่ที่ระดับประถมศึกษา และมัธยมศึกษา ส่วนใหญ่ประกอบอาชีพธุรกิจส่วนตัวไม่มีลูกจ้าง, อาชีพลูกจ้างเอกชน และอื่น ๆ ในด้านลักษณะทางสังคมขนาดของครัวเรือนเฉลี่ยของผู้ตอบแบบสอบถามอยู่ที่ 2.71 คน มีที่อยู่อาศัยส่วนใหญ่ตั้งอยู่ที่ภาคกลาง, ภาคตะวันออกเฉียงเหนือ และภาคเหนือ ซึ่งมีจำนวนใกล้เคียงกัน รองลงมาเป็นภาคใต้ และกรุงเทพมหานคร ตามลำดับ ส่วนใหญ่อาศัยในบ้านเดี่ยว และลักษณะที่อยู่อาศัยเป็นแบบตึก รองลงมาเป็นแบบครึ่งตึกครึ่งไม้ ส่วนสถานภาพการครอบครองที่อยู่อาศัยพบว่าเกือบทั้งหมด เป็นเจ้าของบ้าน โดยมีจำนวนห้องในที่อยู่อาศัยเฉลี่ยที่ 2.88 ห้อง มีไฟฟ้าใช้ในที่อยู่อาศัยทุกครัวเรือน มียานพาหนะที่ใช้พลังงานเฉลี่ย 2.30 คันต่อครัวเรือน รวมถึงมีเครื่องใช้ไฟฟ้าเฉลี่ย 22 ชิ้น และในด้านลักษณะทางเศรษฐกิจส่วนใหญ่มีสิทธิเบิกค่ารักษาพยาบาลจากหน่วยงานราชการ/รัฐวิสาหกิจ และได้รับผลประโยชน์จากโครงการช่วยเหลือของรัฐ ซึ่งส่วนใหญ่ไม่เคยกู้ยืมเงินจากกองทุนต่าง ๆ ที่รัฐจัดให้ สำหรับค่าใช้จ่ายเกี่ยวกับการสื่อสารผู้ตอบแบบสอบถามมีค่าใช้จ่ายเฉลี่ยอยู่ที่ 788.46 บาท และมีค่าเฉลี่ยหนี้สินของครัวเรือนอยู่ที่ 4,760.74 บาท ที่ระดับนัยสำคัญ 0.05 พบว่าปัจจัยที่มีผลต่อค่าใช้จ่ายพลังงานของครัวเรือนในประเทศไทย ได้แก่ เพศ, ระดับการศึกษา, สถานภาพสมรส, อาชีพ, จำนวนสมาชิก, ภาคที่อยู่อาศัย, ประเภทที่อยู่อาศัย, ลักษณะที่อยู่อาศัย, สถานภาพการครอบครองที่อยู่อาศัย, จำนวนห้อง, จำนวนยานพาหนะ, จำนวนเครื่องใช้ไฟฟ้า, สวัสดิการด้านการรักษาพยาบาล, การได้รับผลประโยชน์จากโครงการช่วยเหลือของรัฐ, การกู้ยืมเงินจากกองทุนต่าง ๆ ที่รัฐจัดให้, ค่าใช้จ่ายเกี่ยวกับการสื่อสาร และจำนวนหนี้สินของครัวเรือน ส่วนอายุไม่มีผลต่อค่าใช้จ่ายพลังงานของครัวเรือนในประเทศไทย และผลการวิเคราะห์การถดถอยพหุคูณเชิงเส้นตรงพบว่ามีตัวแปรอิสระเชิงปริมาณ 6 ตัว ได้แก่ ค่าใช้จ่ายเกี่ยวกับการสื่อสาร, จำนวนเครื่องใช้ไฟฟ้าในครัวเรือน, จำนวนยานพาหนะที่ใช้พลังงานในครัวเรือน, จำนวนหนี้สินของครัวเรือน, จำนวนห้อง และขนาดของครัวเรือน ที่มีส่วนในการอธิบายความผันแปรของค่าใช้จ่ายพลังงานของ โดยมีค่า Adjusted R Square เท่ากับ 0.561
คณะศิลปศาสตร์
เจลลี่ลูกชกที่ผลิตจากผลไม้ท้องถิ่นของจังหวัดพังงา โดยใช้ความหวานจากหญ้าหวานแทนน้ำตาล ถือเป็นผลิตภัณฑ์แปรรูปที่มีมูลค่าเพิ่มจากทรัพยากรท้องถิ่น ช่วยตอบสนองความต้องการของผู้บริโภคที่ใส่ใจสุขภาพและต้องการลดการบริโภคน้ำตาล นอกจากนี้ ยังเป็นผลิตภัณฑ์ที่ยั่งยืน เนื่องจากใช้วัตถุดิบในท้องถิ่น และมีศักยภาพในการเป็นของฝากที่เป็นเอกลักษณ์ของจังหวัดพังงา ซึ่งจะช่วยส่งเสริมการเกษตรในท้องถิ่นและกระตุ้นเศรษฐกิจของภูมิภาค"