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
การเสริมฟรุคโตโอลิโกแซ็กคาไรด์ (FOS) ในอาหารไก่เนื้อภายใต้สภาวะเครียดโดยการเลี้ยงในที่หนาเเน่นและใช้วัสดุรองพื้นเก่าไม่พบความแตกต่างอย่างมีนัยสำคัญทางสถิติในด้านประสิทธิภาพการเจริญเติบโต คุณภาพซาก และคุณภาพเนื้อ (p>0.05) อย่างไรก็ตาม การเสริม FOS ช่วยปรับปรุงสุขภาพของลำไส้โดยเพิ่มอัตราส่วนความสูงวิลลัสต่อความลึกของคริปท์ ทำให้จำนวนแบคทีเรียแลคโตบาซิลลัสเพิ่มขึ้น และจำนวน Escherichia coli ลดลง นอกจากนี้ อัตราส่วนเฮเทอโรฟิลต่อลิมโฟไซต์ลดลง ซึ่งบ่งชี้ถึงระดับความเครียดที่ลดลง
คณะเทคโนโลยีการเกษตร
ในปัจจุบันการทำเกษตรในเมืองเป็นแนวทางที่ได้รับความสนใจมากขึ้น เนื่องจากสามารถช่วยสร้างความมั่นคงทางอาหารและเพิ่มพื้นที่สีเขียวในเมือง อย่างไรก็ตามยังมีกลุ่มคนที่ไม่ได้ให้ความสนใจในเรื่องของการทำเกษตรอยู่ด้วย จากการอาศัยอยู่ในพื้นที่เมืองหรือพื้นที่ที่จำกัดอาจจะทำให้คิดว่าการทำเกษตรนั้นเป็นเรื่องที่ไกลตัว การพัฒนาการ์ดเกมการทำเกษตรในเมืองนั้นจะช่วยส่งเสริมการเรียนรู้เกี่ยวกับการทำเกษตรในเมือง ผ่านการเล่นเกมที่สนุกและน่าสนใจ
คณะวิศวกรรมศาสตร์
เนื่องจากสำนักงานดูแลกิจการโทรคมนาคม (ดท.) ของสำนักงานคณะกรรมการกิจการกระจายเสียง กิจการโทรทัศน์ และกิจการโทรคมนาคมแห่งชาติ (สำนักงาน กสทช.) มีหน้าที่กำกับดูแลและการควบคุมคุณภาพการให้บริการโทรคมนาคมตามมาตรฐานกฎหมาย จึงมีการตรวจสอบคุณภาพการให้บริการโทรคมนาคมผ่านโครงข่ายโทรคมนาคมเคลื่อนที่ส่งผลให้ต้องเก็บข้อมูลของคุณภาพการให้บริการโทรคมนาคมจำนวนมหาศาล โดยโปรแกรม Microsoft Excel ซึ่งโปรแกรมหลักที่สำนักงานดูแลกิจการโทรคมนาคม (ดท.) ของสำนักงาน กสทช. ใช้ในการประมวลผลวิเคราะห์ข้อมูลที่ผ่านมานั้นประมวลผลได้ช้า ทางผู้จัดพัฒนามีความเห็นว่าในปัจจุบันได้มีนวัตกรรมที่ดีกว่าในการใช้งานเพื่อวิเคราะห์ข้อมูล ผู้พัฒนาเลือกใช้ Python Programing ในการประมวลผล วิเคราะห์ และจัดเตรียมข้อมูลต้นทางจากโปรแกรม Syberiz ของสำนักงาน กสทช. ในรูปของไฟล์ CSV จากนั้นนำไฟล์ที่ได้ไปทำการแสดงผลในรูปแบบของหน้าจอแสดงผล (Dashboard) ซึ่งประกอบไปด้วยส่วนของ กราฟ รายงานผลการทดสอบการให้บริการโทรศัพท์เคลื่อน และแผนที่ เป็นไปตามประกาศมาตรฐานคุณภาพการให้บริการโทรคมนาคมของสำนักงาน กสทช. ในการแสดงผลค่าพารามิเตอร์ต่าง ๆ โดยใช้โปรแกรม Power BI ในการออกแบบส่วนของการแสดงผล ส่งผลให้หน้าจอแสดงผล (Dashboard) ที่ได้นั้นมีความสวยงาม ง่ายต่อการใช้งาน และที่สำคัญคือความเร็วในการแสดงผลที่ดีกว่า Microsoft Excel โดยโครงงานได้ออกแบบเฉพาะเจาะจงเพื่อใช้งานในส่วนของสำนักงานดูแลกิจการโทรคมนาคม (ดท.) ของสำนักงาน กสทช. เท่านั้น