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
-
วิทยาลัยการจัดการนวัตกรรมและอุตสาหกรรม
งานวิจัยนี้นำเสนอการพัฒนาเส้นใยนาโนคาร์บอนที่มีโครงสร้างหลายเฟสผสมออกไซด์ของโลหะ (CNF@MOx; M = Ag, Mn, Bi, Fe) โดยฝังอนุภาคนาโนของเงิน แมงกานีส บิสมัท และเหล็ก ลงในเส้นใยนาโนคาร์บอนที่ได้จากพอลิอะคริโลไนไตรล์ (PAN) ผ่านเทคนิคอิเล็กโทรสปินนิ่งและผ่านการอบชุบในบรรยากาศอาร์กอน ผลลัพธ์แสดงให้เห็นว่าเส้นใยนาโนที่ได้มีโครงสร้างที่เป็นระเบียบ เส้นผ่านศูนย์กลางเฉลี่ย 559-830 นาโนเมตร และมีอนุภาคนาโนฝังตัวขนาด 9-21 นาโนเมตร การวิเคราะห์เชิงโครงสร้างยืนยันการมีอยู่ของสถานะออกซิเดชันต่างๆ ของโลหะออกไซด์ ซึ่งมีบทบาทสำคัญในกลไกการเก็บประจุไฟฟ้า ผลการทดสอบทางไฟฟ้าเคมีพบว่า CNF@Ag/Mn/Bi/Fe-20 มีค่าความจุจำเพาะสูงสุดที่ 156 F g⁻¹ ที่อัตราการสแกน 2 mV s⁻¹ และมีเสถียรภาพสูง โดยยังคงค่าความจุได้มากกว่า 96% หลังจากการชาร์จ-คายประจุ 1400 รอบ กลไกการเก็บประจุของเส้นใยนี้เกิดจากการทำงานร่วมกันระหว่างความสามารถในการเก็บประจุแบบชั้นคู่ไฟฟ้าและกระบวนการรีดอกซ์ ซึ่งช่วยเพิ่มประสิทธิภาพของวัสดุอิเล็กโทรดสำหรับตัวเก็บประจุยิ่งยวด
คณะวิศวกรรมศาสตร์
โครงงานนี้มุ่งเน้นการพัฒนาอุปกรณ์ทดสอบเครื่องอัดประจุของยานยนต์ไฟฟ้าแบบกระแสสลับ (AC Charger) ตามมาตรฐาน IEC 61851-1 ภาคผนวก A โดยการจำลองวงจรทดสอบภายในยานยนต์ไฟฟ้าตามมาตฐาน เพื่อใช้ทดสอบการทำงานของเครื่องอัดประจุไฟฟ้ากระแสสลับ โดยในหัวข้อการทดสอบเกี่ยวข้องกับการสื่อสารระหว่างยานยนต์ไฟฟ้ากับเครื่องอัดประจุผ่านระบบวงจรควบคุมด้วยสัญญาณ Pulse Width Modulation (PWM) และจัดทำคู่มือปฏิบัติงาน (WI) เพื่อเตรียมการทดสอบให้เป็นไปตามมาตรฐาน ISO/IEC 17025 ซึ่งเป็นข้อกำหนดทั่วไปว่าด้วยความสามารถห้องปฏิบัติการในการดำเนินการทดสอบและ/ หรือสอบเทียบ ซึ่งภาพรวมของโครงการนี้คือ พัฒนาอุปกรณ์ทดสอบและจัดทำคู่มือปฏิบัติงาน โดยได้นำเอาองค์ความรู้และอุปกรณ์ต่างๆมาทำการเก็บข้อมูล จากนั้นนำข้อมูลมาเปรียบเทียบให้เป็นไปตามมาตรฐานข้างต้น เพื่อทดสอบเครื่องอัดประจุไฟฟ้ากระแสสลับ Type II ในแต่ละสถานะ อุปกรณ์การทดสอบประกอบไปด้วยส่วนของการสื่อสารระหว่างอุปกรณ์ทดสอบกับเครื่องอัดประจุไฟฟ้ากระแสสลับ โดยใช้ PLC S7-1200 และ HMI เพื่อควบคุมการทำงานของสวิตช์ในวงจรอุปกรณ์ทดสอบ รวมถึงการควบคุมพารามิเตอร์และแสดงผล ส่วนของอุปกรณ์ที่ใช้วัดค่าออสซิโลสโคปและมัลติมิเตอร์ที่ผ่านกระบวนการสอบเทียบเครื่องมือวัด เพื่อให้สอดคล้องกับมาตฐานที่กำหนดไว้
วิทยาลัยนวัตกรรมการผลิตขั้นสูง
ระบบประเมินโมเดลภาษาขนาดใหญ่แบบออฟไลน์ในภาษาไทยถูกออกแบบมาเพื่อช่วยให้ผู้เชี่ยวชาญสามารถทดสอบและประเมินประสิทธิภาพของโมเดลภาษาขนาดใหญ่ (Large Language Models: LLMs) ได้อย่างสะดวก รวดเร็ว และไม่ต้องพึ่งพาการเชื่อมต่อภายนอก ช่วยเพิ่มความคล่องตัวในการเลือกใช้ LLMs ที่เหมาะสมกับความต้องการขององค์กรหรือระบบผู้เชี่ยวชาญ (Expert System: ES) ระบบสามารถทำงานบนคอมพิวเตอร์ส่วนบุคคลโดยไม่ต้องกังวลเรื่องการเก็บข้อมูลภายนอก ส่งผลให้มีความปลอดภัยของข้อมูลสูง นอกจากนี้ ยังรองรับการทดสอบและพัฒนาโมเดลด้วยเทคนิคการดึงข้อมูลเสริม (Retrieval-Augmented Generation: RAG) เพื่อให้สามารถเข้าถึงข้อมูลเฉพาะทางและประมวลผลได้อย่างแม่นยำ มีประสิทธิภาพด้านพลังงาน และตอบสนองความต้องการขององค์กรและระบบผู้เชี่ยวชาญได้อย่างเหมาะสม