การประเมินผลผลิตของผลมะม่วง และพฤติกรรมของผู้บริโภคที่มีความตระหนักถึงที่มาของผลผลิตมากยิ่งขึ้น ต้องการตรวจสอบย้อนกลับถึงที่มาของผลผลิตว่าผลผลิตนั้นๆได้รับการดูแลมาอย่างไรผ่านการระบุตำแหน่งของผลนั้นๆ ความเกี่ยวเนื่องกันถึงลักษะของผลผลิตที่เป็นผลมาจากวิธีการดูแลผลหรือต้นของผลผลิตในขณะที่ยังไม่ถูกเก็บเกี่ยว ดังนั้นเพื่อสร้างแบบจำลองที่สามารถตรวจจับและระบุตำแหน่งของผลมะม่วง โดยใช้ภาพถ่าย 2 มิติ ด้วยวิธีการ Deep Learning Model และเพื่อศึกษาเทคนิคการระบุพิกัดของผลมะม่วงในโลกจริงจากภาพภาพ 2 มิติ มีการใช้โมเดล YOLOv8 เพื่อ Object detection ร่วมกับเทคนิคการสอบเทียบกล้อง (Camera Calibration) และ Triangulation เพื่อหาตำแหน่ง 3 มิติ ของผลมะม่วงในภาพที่ถูกตรวจจับได้ จากการทำการทดลองหาตำแหน่งทั้งหมด 125 ครั้ง ที่มีการสุ่มค่าตำแหน่งของผลมะม่วง และตำแหน่งของกล้องที่มีมุม Yaw และ Pitch ที่แตกต่างกัน โดยการใช้ค่า Parameter จากรูปที่ถ่ายถัดไปมาเปรียบเทียบกันเพื่อหาตำแหน่งจริง 3 มิติ ที่ได้ผลความถูกต้องที่..... จากการใช้โมเดล YOLOv8 ที่มีค่าทำนาย Precision, Recall, mAP50, mAP50-95 และ F1-Score ได้แก่ 0.928, 0.901, 0.965, 0.785 และ 0.914 ตามลำดับ ซึ่งมีความแม่นยำที่มากพอเพื่อทำนายตำแหน่งของผลมะม่วงที่มีความคลาดเคลื่อนประมาณ 38 เซนติเมตร
ในปัจจุบัน เทคโนโลยีทางการเกษตรได้รับการพัฒนาอย่างต่อเนื่อง เพื่อเพิ่มประสิทธิภาพในการผลิตและการจัดการผลผลิตอย่างแม่นยำ การตรวจจับตำแหน่งของผลผลิตในพื้นที่เกษตรกรรมถือเป็นหนึ่งในความท้าทายสำคัญที่นักวิจัยและผู้ประกอบการในอุตสาหกรรมเกษตรกรรมต้องการหาทางออก โดยเฉพาะการตรวจจับและการประเมินผลผลิตของผลมะม่วง ที่เป็นผลไม้ที่มีความสำคัญทางเศรษฐกิจในหลายประเทศ ซึ่งประเทศไทยเป็นหนึ่งในผู้ผลิตมะม่วงรายใหญ่ของโลก รวมถึงพฤติกรรมของผู้บริโภคที่มีความตระหนักถึงที่มาของผลผลิตมากยิ่งขึ้น ต้องการตรวจสอบย้อนกลับถึงที่มาของผลผลิตว่าผลผลิตนั้นๆได้รับการดูแลมาอย่างไรผ่านการระบุตำแหน่งของผลนั้นๆ ทั้งเป็นแหล่งข้อมูลที่บ่งบอกถึงลักษะของผลผลิตที่ได้มาได้ผ่านการดูแลรูปแบบใดในขณะที่ยังไม่ถูกเก็บเกี่ยว การพัฒนาเทคนิคในการหาตำแหน่งบนโลกจริง 3 มิติ ของมะม่วงจากข้อมูลภาพ 2 มิติ จึงเป็นเรื่องที่มีความสำคัญอย่างยิ่งในด้านการเกษตร เนื่องจากการตรวจจับและการประเมินผลผลิตในพื้นที่เกษตรกรรมเป็นขั้นตอนสำคัญในการจัดการและการเก็บเกี่ยวผลผลิต เทคนิคที่ใช้ในงานวิจัยนี้คือการผสมผสานระหว่างการสอบเทียบกล้อง (Camera Calibration) การตรวจจับวัตถุจากภาพ 2 มิติเพื่อคำนวณตำแหน่งในมิติ 3 มิติ โดยเทคนิค Triangulation และเทคโนโลยีการตรวจจับภาพที่มีความแม่นยำสูงอย่าง YOLOv8 มาใช้ ซึ่งเป็นโมเดลที่พัฒนาโดยใช้การเรียนรู้เชิงลึก (deep learning) ที่มีประสิทธิภาพในการตรวจจับวัตถุในภาพได้อย่างรวดเร็วและแม่นยำ ทั้งนี้ผู้จัดทำจึงมีแนวคิดที่ต้องการพัฒนาวิธีการหาตำแหน่งของผลมะม่วง เพื่อเพิ่มความสามารถในการประเมินผลผลิตทางการเกษตร ซึ่งเป็นปัจจัยสำคัญในการทำการเกษตรแบบเกษตรแม่นยำ (Precision Agriculture) การใช้เทคโนโลยีที่มีความแม่นยำสูงในการตรวจจับและประมวลผลข้อมูลภาพสามารถช่วยให้การจัดการผลผลิตในภาคเกษตรกรรมมีประสิทธิภาพมากขึ้น การรับรู้ข้อมูลของผลผลิต ลดความผิดพลาดในการประเมิน และความรวดเร็วในการจัดการ นอกจากนี้ยังสามารถนำไปประยุกต์ใช้ในการพัฒนาเทคโนโลยีใหม่ๆ ที่สามารถช่วยเพิ่มผลผลิตในภาคเกษตรกรรมและเสริมสร้างความยั่งยืนในอุตสาหกรรมเกษตรกรรมในอนาคต
คณะวิศวกรรมศาสตร์
ระบบเบรกของรถไฟนิยมใช้ระบบเบรกแบบลมอัด โดยใช้อากาศแรงดันสูงกดแท่งห้ามล้อไปสัมผัสกับผิวของล้อเพื่อลดความเร็วของรถไฟ เมื่อเกิดการเสียดสีกันซ้ำ ๆ จึงเกิดความร้อนขึ้นบริเวณผิวสัมผัส ทำให้เกิดความเค้นสะสมเนื่องจากความร้อนบนแท่งห้ามล้อวัสดุเหล็กหล่อ งานวิจัยนี้จึงมีวัตถุประสงค์เพื่อศึกษาความเค้นเนื่องจากความร้อน (Thermal stress) บนแท่งห้ามล้อวัสดุเหล็กหล่อรูปแบบต้นแบบด้วยระเบียบวิธีไฟไนต์เอลิเมนต์เพื่อเปรียบเทียบผลการวิเคราะห์ที่ได้กับแท่งห้ามล้อชิ้นงานจริง และออกแบบแท่งห้ามล้อวัสดุเหล็กหล่อในรูปแบบใหม่เพื่อลดความเค้นเนื่องจากความร้อนที่เกิดขึ้น จากผลการวิเคราะห์ความเค้นเนื่องจากความร้อนด้วยระเบียบวิธีไฟไนต์เอลิเมนต์ พบว่า ตำแหน่งที่เกิดความเค้นเนื่องจากความร้อนบนแท่งห้ามล้อรูปแบบต้นแบบสอดคล้องกับตำแหน่งที่เกิดรอยแตกร้าวบนแท่งห้ามล้อที่เป็นชิ้นงานจริง และการออกแบบให้แท่งห้ามล้อมีรอยบาก 1 บากบริเวณกึ่งกลางเนื้อของแท่งห้ามล้อสามารถช่วยลดความเค้นเนื่องจากความร้อนได้ ซึ่งผลการศึกษานี้ควรมีการสอบเทียบกับต้นแบบแท่งห้ามล้อจริงบนภาคสนามสำหรับประเมินประสิทธิภาพของการเบรกจริงอีกครั้งต่อไป
วิทยาเขตชุมพรเขตรอุดมศักดิ์
โครงงานนี้มีวัตถุประสงค์เพื่อออกแบบและพัฒนาระบบขับเคลื่อนต่อพ่วงอุปกรณ์การเกษตรโดยใช้เทคโนโลยี RFID พร้อมทั้งศึกษาประสิทธิภาพการเคลื่อนที่บนพื้นผิวที่แตกต่างกัน ได้แก่ พื้นปูนคอนกรีตและพื้นสนามหญ้า การทดลองมุ่งเน้นการตรวจสอบระยะการอ่านค่าแท็ก (Tag) ภายใต้ระดับกำลังส่ง 20 dBm, 23 dBm และ 26 dBm รวมถึงผลกระทบของมุมเสาอากาศต่อประสิทธิภาพการตรวจจับ นอกจากนี้ ระบบถูกทดสอบในเส้นทางตรง เลี้ยวซ้าย และเลี้ยวขวา ที่ระยะ 2 เมตร, 4 เมตร และ 6 เมตร ผลการทดลองแสดงให้เห็นว่าการเคลื่อนที่ในเส้นทางตรงบนพื้นปูนคอนกรีตที่ระยะ 4 เมตรให้ค่าความเร็วเฉลี่ยสูงสุดที่ 0.4736 m/s และมุมองศาเฉลี่ย 91.6° ขณะที่พื้นสนามหญ้าให้ค่าความเร็วเฉลี่ย 0.4483 m/s และมุมองศาเฉลี่ย 91.1° ในกรณีของเส้นทางเลี้ยวซ้ายและเลี้ยวขวา พบว่าการเคลื่อนที่บนพื้นปูนคอนกรีตมีค่าความเร็วเฉลี่ยสูงกว่าพื้นสนามหญ้า โดยเฉพาะที่ระยะ 4 เมตรซึ่งพบค่ามุมองศาที่แตกต่างกัน การศึกษานี้ช่วยให้เข้าใจปัจจัยที่ส่งผลต่อการเคลื่อนที่ของรถขับเคลื่อนและเป็นแนวทางในการพัฒนาระบบขับเคลื่อนที่มีประสิทธิภาพสูงขึ้นในอนาคต
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