KMITL Innovation Expo 2025 Logo

การศึกษาการจำแนกดาวแปรแสงผ่านการวิเคราะห์กราฟแสงโดยใช้วิธีการเรียนรู้ของเครื่อง

รายละเอียด

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

วัตถุประสงค์

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

นวัตกรรมอื่น ๆ

บ้านแมวอัจฉริยะ

คณะวิทยาศาสตร์

บ้านแมวอัจฉริยะ

โครงงานนี้นำเสนอการพัฒนา "บ้านแมวอัจฉริยะ (Smart Cat House)" โดยใช้เทคโนโลยี Internet of Things (IoT) และการประมวลผลภาพ เพื่ออำนวยความสะดวกและเพิ่มความปลอดภัยในการดูแลแมวของเจ้าของ โครงสร้างพื้นฐานของบ้านแมวอัจฉริยะประกอบด้วยบอร์ด ESP8266 ที่เชื่อมต่อกับกล้อง ESP32 CAM สำหรับการตรวจสอบแมว และบอร์ด Arduino ที่ควบคุมเซ็นเซอร์ต่างๆ เช่น เซ็นเซอร์ตรวจจับการเคลื่อนไหวในกระบะทราย เซ็นเซอร์อุณหภูมิและความชื้น DHT22 เซ็นเซอร์วัดระดับน้ำและอาหารด้วย Ultrasonic รวมถึงระบบจ่ายน้ำดื่มสำหรับแมว ระบบให้อาหารอัตโนมัติ และระบบระบายอากาศที่ควบคุมด้วย DC FAN ซึ่งปรับการทำงานตามอุณหภูมิที่วัดได้ เพื่อรักษาสภาพแวดล้อมที่เหมาะสม นอกจากนี้ยังมี IR sensor สำหรับตรวจจับการเข้าห้องน้ำของแมว และระบบเปลี่ยนทรายอัตโนมัติด้วย SERVO MOTOR ระบบทั้งหมดเชื่อมต่อและควบคุมผ่านแอปพลิเคชัน Blynk ที่สามารถใช้งานบนมือถือ ทำให้เจ้าของสามารถติดตามและดูแลสัตว์เลี้ยงได้จากระยะไกล การตรวจจับและยืนยันตัวตนของแมว ใช้เทคโนโลยีการประมวลผลภาพจากกล้อง ESP32 CAM ร่วมกับ YOLO (You Only Look Once) ซึ่งเป็นอัลกอริทึมตรวจจับวัตถุที่มีประสิทธิภาพสูง เพื่อตรวจจับและแยกแยะระหว่างแมวกับคน ข้อมูลจากเซ็นเซอร์ต่างๆ จะถูกส่งไปยังบอร์ด Arduino เพื่อควบคุมการทำงานของอุปกรณ์ต่างๆ ในบ้านแมวอัจฉริยะ เช่น การเปิด-ปิดไฟ การเปลี่ยนทรายอัตโนมัติ การปรับอุณหภูมิและความชื้น การให้อาหารและน้ำตามเวลาที่กำหนด หรือการระบายอากาศ การใช้ระบบเชื่อมต่อผ่าน ESP8266 และแอปพลิเคชัน Blynk ช่วยให้การควบคุมอุปกรณ์ต่างๆ ทำได้ง่ายและสะดวก เจ้าของสามารถติดตามและควบคุมการทำงานของระบบทั้งหมดได้จากทุกที่ที่มีอินเทอร์เน็ต

มัลเบอร์รีคีเฟอร์ พรีไบโอติกพลัส

คณะครุศาสตร์อุตสาหกรรมและเทคโนโลยี

มัลเบอร์รีคีเฟอร์ พรีไบโอติกพลัส

มัลเบอร์รีคีเฟอร์ เป็นเครื่องดื่มจากผลหม่อนสุกที่ผ่านการหมัก ผลิตจากน้ำสกัดจากผลหม่อนสุก มีลักษณะปรากฎเป็นสีแดงชมพูซึ่งเป็นสีของสารแอนโทไซยานินตามธรรมชาติในผลหม่อน โดยแอนโทไซยานินมีคุณสมบัติเป็นสารต้านอนุมูลอิสระ มีสารพรีไบโอติกฟรุคโทโอลิโกแซคคาไรด์ จุลินทรีย์โพรไบโอติก Lactobacillus และ Saccharomeces มีรสชาติหวานอมเปรี้ยว มีความซ่า มีแอลกอฮอล์เล็กน้อย รสชาติและความซ่าเกิดจากเทคโนโลยีการผลิต ซึ่งใช้กระบวนการหมักจากจุลินทรีย์ มัลเบอร์รีคีเฟอร์ จัดเป็นเครื่องดื่มฟังค์ชัน (Functional Beverage) ที่ผลิตจากพืช (Plant Based Beverage) เหมาะกับผู้ที่แพ้น้ำตาลแลคโทส รวมถึงผู้ที่ไม่บริโภคเครื่องดื่มที่ผลิตจากน้ำนม ดื่มแล้วรู้สึกสดชื่น

สเปกโตรโฟโตมิเตอร์แบบพิมพ์สามมิติสำหรับการตรวจวัดฟอร์มาลดีไฮด์ ในอาหารทะเลสด

คณะวิศวกรรมศาสตร์

สเปกโตรโฟโตมิเตอร์แบบพิมพ์สามมิติสำหรับการตรวจวัดฟอร์มาลดีไฮด์ ในอาหารทะเลสด

งานวิจัยนี้ศึกษาการสร้างสเปกโตรโฟโตมิเตอร์แบบพิมพ์ 3 มิติ ซึ่งได้ทำการสร้างสเปกโตรโฟโตมิเตอร์แบบพิมพ์ 3 มิติ ด้วยโปรแกรม AutoCAD ทำให้ตัวเครื่องนั้นมีความแข็งแรงทนทาน ต้นทุนต่ำ และพกพาสะดวก เพื่อใช้ในการตรวจวัดปริมาณฟอร์มาลดีไฮด์ในอาหารทะเลสด