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
ในงานนี้เราได้เสนอการใช้อัลกอริทึมการเรียนรู้ของเครื่องที่ทำการแบ่งอัลกอริทึมได้เป็น 2 ประเภท คือ แบบตื้นและแบบลึกมาทดสอบประสิทธิภาพโดยแบบตื้นมีมีอัลกอริทึม Support Vector Machine (SVM) และ XGBoost แบบลึกมีอัลกอริทึม 1D-CNN และ Long Short-Term Memory (LSTM) เราพิจารณาข้อมูลการสังเกตที่ได้จากฐานข้อมูล Optical Gravitational Lensing Experiment-III (OGLE-III) ที่เป็นดาวแปรแสงในพื้นที่ Large Magellanic Cloud (LMC) ด้วยกล้องโทรทรรศน์ขนาด 1.3-m Warsaw ที่ติดตั้งที่หอดูดาวลาสคัมปานัส ประเทศชิลี ข้อมูลนี้ประกอบด้วยการสังเกตดาวแปรแสงมากกว่าหนึ่งแสนครั้งโดยพิจารณาจากกราฟแสง และใช้ข้อมูลสถิติต่างๆ เช่น Accuracy, Precision, Recall, F1-score, AUG, mPa, mcc และ kappa ซึ่งงานวิจัยนี้มีจุดมุ่งหมายเพื่อที่จะทดสอบประสิทธิภาพในการจำแนกประเภทของดาวแปรแสงโดยใช้ข้อมูลการวิเคราะห์ light curve ด้วยเทคนิคการเรียนรู้ของเครื่องทั้งสองประเภท เพื่อให้เห็นถึงความเข้าใจในลักษณะและพฤติกรรมของดาวแปรแสง ซึ่งใช้ในประโยชน์ต่างๆ เช่น ความรู้ในด้านดาราศาสตร์ฟิสิกส์หรือการค้นพบดาวเคราะห์ดวงใหม่ๆ และการป้องกันภัยจากดาวแปรแสงมีอาจจะมีผลกระทบต่อโลก อีกทั้งในเรื่องการประหยัดเวลาและทรัพยากรในการที่จะจำแนกประเภทดาวแปรแสงอย่างมีระบบและมีประสิทธิภาพ
คณะอุตสาหกรรมอาหาร
Zero-waste management is crucial for sustainable food systems, promoting the use of agricultural by-products like rice bran. Rich in bioactive polyphenols with antioxidant and antidiabetic properties, rice bran can enhance the nutritional value of food. Polyphenols can slow starch digestion by forming complexes with starch, making them useful for creating low-glycemic foods. While ultrasonication and freeze-thaw treatments have been beneficial individually, their combined effects on starch-polyphenol complexation remain understudied. This study aimed to evaluate the impact of combining these treatments on the interaction between rice starch and red rice bran polyphenols. The dual treatment increased the complexing index, altered functional properties, and affected granule morphology. Structural analysis indicated non-covalent interactions forming non-V-type complexes. Additionally, starch digestibility was reduced, lowering the estimated glycemic index (eGI) compared to the control. These findings suggest a sustainable and green approach to starch modification, with potential for developing functional food products and advancing zero-waste processing.
คณะเทคโนโลยีการเกษตร
การวิจัยครั้งนี้มีวัตถุประสงค์พัฒนาเว็บไซต์เก็บรวบรวมข้อมูลของ Young Smart Farmer จังหวัดจันทบุรี ใช้แบบสัมภาษณ์เก็บจากกลุ่มตัวอย่าง จำนวน 30 ราย เพื่อการพัฒนาเว็บไซต์ โดยนำข้อมูลที่ได้มาจัดหมวดหมู่และใช้ข้อมูลดังกล่างในการพัฒนาเว็บไซต์เพื่อเผยแพร่แก่เกษตรกรและบุคคลที่สนใจ จากนั้นดำเนินการศึกษาความพึงพอใจต่อเว็บไซต์ โดยใช้แบบสอบถามวิเคราะห์ข้อมูลด้วยสถิติเชิงพรรณนา ได้แก่ ค่าความถี่ (Frequency) ค่าร้อยละ (Percentage) ค่าเฉลี่ย (Mean) และส่วนเบี่ยงเบนมาตรฐาน (Standard deviation) ผลการศึกษาพบว่า กลุ่มตัวอย่างเป็นเพศชายและเพศหญิงเท่ากัน มีอายุอยู่ระหว่าง 36-40 ปีมากที่สุด ร้อยละ 50.00 เป็น Young Smart Farmer อำเภอขลุง แหลมสิงห์ และแก่งหางแมวมากที่สุด ร้อยละ 13.33 สำเร็จการศึกษา ระดับปริญญาตรีหรือเทียบเท่า ร้อยละ 60.00 ประกอบอาชีพหลักเป็นเกษตรกร ร้อยละ 73.33 ผลการศึกษาความพึงพอใจต่อเว็บไซต์เพื่อเก็บรวบรวมข้อมูล Young Smart Farmer พบว่ากลุ่มตัวอย่างพึงพอใจอยู่ในระดับมากที่สุดทุกด้าน โดยเรียงลำดับได้ดังนี้ 1) ด้านการใช้งานเว็บไซต์ (ค่าเฉลี่ย 4.97) 2) ด้านความพึงพอใจโดยภาพรวม (ค่าเฉลี่ย 4.93) 3) ด้านคุณภาพของเนื้อหา (ค่าเฉลี่ย 4.91) 4) ด้านประโยชน์และการนำไปใช้ (ค่าเฉลี่ย 4.87) และ 5) ด้านการออกแบบและการจัดรูปแบบมากที่สุด (ค่าเฉลี่ย 4.85) ตามลำดับ
คณะอุตสาหกรรมอาหาร
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