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
คณะอุตสาหกรรมอาหาร
การใช้น้ำมันพืชซ้ำในการประกอบอาหารส่งผลให้เกิดการเสื่อมสภาพและก่อให้เกิดสารพิษจากปฏิกิริยาออกซิเดชัน การศึกษานี้มุ่งเน้นการเพิ่มเสถียรภาพของน้ำมันพืชโดยใช้เทคโนโลยีคลื่นอัลตราโซนิคร่วมกับการบ่มปลีกล้วย 3 สายพันธุ์ ได้แก่ กล้วยไข่ กล้วยหอม และกล้วยน้ำว้า ซึ่งมีสารประกอบฟีนอลิกและสารต้านอนุมูลอิสระสูง งานวิจัยนี้ศึกษาการฟื้นฟูน้ำมันปาล์มที่ใช้แล้วโดยการบ่มร่วมกับปลีกล้วยที่ผ่านการอบแห้งและบดละเอียด โดยใช้คลื่นอัลตราโซนิคที่อุณหภูมิและระยะเวลาต่างๆ จากนั้นทำการทดสอบคุณภาพน้ำมันที่ได้รับการบ่มผ่านการวิเคราะห์ค่าทางกายภาพ (ปริมาณน้ำอิสระ ความชื้น และค่าสี) ค่าทางเคมี (ค่าดัชนีเปอร์ออกไซด์ ค่าความเป็นกรด และค่าไทโอบาร์บิทูริกแอซิด) และประสิทธิภาพการต้านอนุมูลอิสระ (DPPH, ABTS และ FRAP)
คณะแพทยศาสตร์
งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาระบบโครงข่ายประสาทเทียมแบบคอนโวลูชัน (Deep Convolutional Neural Networks - CNNs) สำหรับการระบุเม็ดยาอย่างแม่นยำ เพื่อแก้ไขข้อจำกัดของการพิสูจน์เอกลักษณ์เม็ดยาด้วยทรัพยากรมนุษย์ โดยใช้ข้อมูลรูปภาพจำนวน 1,250 ภาพ จากยาสามัญประจำบ้าน 10 ชนิด นำมาทดสอบกับโมเดล YOLO ที่แตกต่างกันภายใต้เงื่อนไขต่างๆ ผลการทดลองพบว่า การใช้แสงธรรมชาติให้ผลดีกว่าเมื่อทดสอบด้วยระบบโครงข่ายประสาทเทียมแบบคอนโวลูชัน เมื่อเปรียบเทียบกับแสงจากกล่องสตูดิโอ นอกจากนี้ โมเดล YOLOv5-tiny แสดงความแม่นยำสูงสุดในการตรวจจับเม็ดยา ขณะที่โมเดล EfficientNet_b0 ให้ผลลัพธ์ดีที่สุดในการจำแนกเม็ดยา แม้ว่าระบบโครงข่ายประสาทเทียมแบบคอนโวลูชันที่พัฒนาขึ้นนี้จะให้ผลลัพธ์ที่น่าพึงพอใจ แต่ยังมีข้อจำกัดในเรื่องชนิดของเม็ดยาและจำนวนภาพที่ใช้ในการศึกษา อย่างไรก็ตาม งานวิจัยนี้มีศักยภาพในการส่งเสริมความปลอดภัยในการใช้ยาทั้งในระบบสาธารณสุขและผู้ป่วยนอก รวมถึงลดปัญหาที่อาจเกิดขึ้นจากการใช้ยาผิดพลาด
วิทยาเขตชุมพรเขตรอุดมศักดิ์
การศึกษาปรสิตในปลาหมอคางดำและการแปรรูปเพื่อเพิ่มมูลค่า ปรสิตเป็นปัจจัยสำคัญที่ส่งผลต่อสุขภาพของปลาและความสมดุลของระบบนิเวศทางทะเล การศึกษาปรสิตในปลาจึงมีบทบาทสำคัญในการประเมินสถานภาพประชากรปลาและผลกระทบต่อระบบนิเวศ งานวิจัยนี้มุ่งเน้นการสำรวจปรสิตเบื้องต้นในปลาหมอคางดำ (Sarotherodon melanotheron) ในน่านน้ำจังหวัดชุมพร เพื่อตรวจสอบว่าปลาชนิดนี้มีการติดเชื้อปรสิตหรือไม่ ข้อมูลที่ได้จากการศึกษาจะช่วยเป็นแนวทางสำคัญสำหรับการบริหารจัดการทรัพยากรทางทะเล รวมถึงแนวทางในการนำปลาหมอคางดำมาแปรรูปเป็นผลิตภัณฑ์อาหาร เพื่อลดจำนวนประชากรของปลาชนิดนี้ในระบบนิเวศ หนึ่งในแนวทางการแปรรูปปลาหมอคางดำ คือ ผลิตภัณฑ์ "นายฮ้อยหัวฟู" ซึ่งเป็นผลิตภัณฑ์ที่พัฒนาขึ้นเพื่อนำเนื้อปลามาทอดให้กรอบและฟู ก่อนนำมายำกับมะม่วงเพื่อเพิ่มรสชาติให้น่ารับประทานมากยิ่งขึ้น การแปรรูปนี้ไม่เพียงช่วยเพิ่มมูลค่าให้กับปลา แต่ยังเป็นแนวทางในการบริหารจัดการประชากรปลาหมอคางดำที่อาจมีผลกระทบต่อระบบนิเวศ จากผลการศึกษา พบว่าไม่มีการติดเชื้อปรสิตทั้งภายในและภายนอกของปลาหมอคางดำที่เก็บตัวอย่าง ซึ่งบ่งชี้ว่าสภาพแวดล้อมทางทะเลในพื้นที่ศึกษามีความเหมาะสมต่อสุขภาพของปลา อย่างไรก็ตาม ควรมีการศึกษาต่อเนื่องเพื่อเฝ้าระวังการเปลี่ยนแปลงของระบบนิเวศในระยะยาว และประเมินผลกระทบของปลาหมอคางดำต่อความสมดุลของระบบนิเวศ เพื่อให้สามารถจัดการทรัพยากรได้อย่างยั่งยืน