
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

คณะเทคโนโลยีการเกษตร
การออกแบบพื้นที่เกษตร 22 ไร่ ตั้งอยู่ภายในอำเภอทท่าเสา จังหวัดอุตรดิตถ์ แนวคิดในการออกแบบพื้นที่นี้มีเป้าหมายเพื่อส่งเสริมให้เกษตรกรและชุมชนสามารถสร้างรายได้จากสินค้าการเกษตรที่ผลิตเองภายในพื้นที่ โดยเน้นให้พื้นที่นี้เป็น “ตลาดมีชีวิต” ที่ไม่เพียงแต่เป็นแหล่งสร้างอาหารจากพืชพันธุ์หลากหลายชนิด แต่ยังเป็นการสร้างระบบนิเวศที่สมดุลและส่งเสริมความหลากหลายทางชีวภาพในพื้นที่อีกด้วย ตลาดนี้จะกลายเป็นพื้นที่ตลาดที่ยั่งยืน ซึ่งไม่เพียงแต่ดีต่อชุมชนในด้านการส่งเสริมเศรษฐกิจ แต่ยังส่งผลดีต่อสิ่งแวดล้อมด้วย โดยพื้นที่นี้จะทำหน้าที่เป็นศูนย์กลางทางสังคมและการเรียนรู้ ที่สมาชิกในชุมชนสามารถแลกเปลี่ยนข้อมูลและประสบการณ์การเกษตรกันได้อย่างเต็มที่ นอกจากนี้ยังช่วยกระตุ้นเศรษฐกิจภายในชุมชนอีกทางหนึ่งด้วย

คณะอุตสาหกรรมอาหาร
งานวิจัยนี้มีวัตถุประสงค์เพื่อปรับปรุงกระบวนการผลิตกรดแกมมา-อะมิโนบิวทิริก (GABA) ในน้ำสับปะรดหมักโดยใช้โพรไบโอติกและแบคทีเรียกรดอะซิติก (AAB) ซึ่งเป็นจุลินทรีย์ที่มีศักยภาพในการเพิ่มปริมาณ GABA กระบวนการนี้ได้รับการพัฒนาเพื่อเพิ่มคุณค่าทางโภชนาการของน้ำหมักสับปะรด และช่วยเพิ่มมูลค่าให้กับผลผลิตสับปะรดไทยที่มีราคาต่ำมาเป็นเวลานาน การศึกษานี้มุ่งเน้นไปที่การหาสภาวะที่เหมาะสมสำหรับการผลิต GABA โดยพิจารณาปัจจัยต่าง ๆ เช่น ปริมาณน้ำตาล ค่า pH ระยะเวลาการหมัก และความเข้มข้นของ L-glutamate รวมถึงการเพาะเลี้ยงร่วมกันระหว่างโพรไบโอติกและแบคทีเรียกรดอะซิติก การทดลองดำเนินการโดยใช้เทคนิคการหมักแบบควบคุม และวิเคราะห์องค์ประกอบทางชีวภาพของน้ำหมักโดยใช้เครื่องมือขั้นสูง เช่น HPLC และ GC-MS ผลการวิจัยคาดว่าจะนำไปสู่การพัฒนาสูตรและกระบวนการผลิตเครื่องดื่มน้ำสับปะรดที่มีปริมาณ GABA สูง ซึ่งมีประโยชน์ต่อสุขภาพ เช่น ช่วยลดความเครียด ส่งเสริมการทำงานของสมอง และเพิ่มศักยภาพของอุตสาหกรรมอาหารหมักในประเทศไทย

คณะบริหารธุรกิจ
โครงงานนี้เป็นส่วนหนึ่งของ thesis ของนักศึกษาคณะบริหารธุรกิจ หลักสูตร นานาชาติ ในหัวข้อ Business Plan เกี่ยวกับ recycled fabric นำมาผลิตเป็น blazers และ trousers