เเนวความคิดของงานนี้ ผมได้มาจากความสงสัยที่ว่า ถ้าในการเดินทางข้ามมิติในอวกาศใช้ระบบเทเลพอร์ต ซึ่งก็คือการลบมวลสารจากจุดนึงไปยังอีกจุดนึงโดยคงสภาพมวลสารนั้นไว้ เกิดความผิดพลาด ซึ่งก็คือมวลสารเหล่านั้นถูกสร้างขึ้นมาใหม่รวมกันจะสิ่งที่ออกมาจะเป็นสัตว์ทดลองหลอมรวมเข้ากับตัวยาน ผมเลือกตัวหมีน้ำเป็นสัตว์ทดลองตัวเเรกที่ใช้ระบบเทเลพอร์ตเพราะหมีน้ำเคยถูกส่งไปอวกาศมาเเล้วเเละรอดกลับมาได้ด้วย เลยคิดว่าถ้าความจริงเรากำลงจะทดลองระบบเทเลพอร์ตนี้ หมีน้ำก็คงจะมีโอกาสโดนจับไปทดลองสูง
โดยส่วนตัวผมเป็นคนที่ค่อนข้างชอบสื่อเเละนิยาย ที่เกี่ยวกับไซไฟ ผมเลยอยากนำมาต่อยอดเข้ากับการสร้างงานโมเดลของตนเองเพื่อตอบสนองความชอบเเละความเป็นไปได้ต่างๆที่อาจจะเกิดขึ้นได้ในโลกความเป็นจริง
คณะวิศวกรรมศาสตร์
โครงงานนี้พัฒนาแพลตฟอร์มที่ใช้คอมพิวเตอร์วิทัศน์วิเคราะห์ภาพจากกล้องวงจรปิดแบบเรียลไทม์ เพื่อตรวจจับการกระทำผิดกฎหมายจราจร เช่น การฝ่าฝืนขับรถเข้าเขตที่มีเส้นทึบ ระบบสามารถระบุและบันทึกเหตุการณ์ละเมิดกฎจราจรโดยอัตโนมัติ ช่วยเพิ่มประสิทธิภาพการบังคับใช้กฎหมายและลดภาระของเจ้าหน้าที่ตำรวจจราจร นอกจากนี้ ยังเป็นส่วนสำคัญในการพัฒนาระบบเมืองอัจฉริยะ โดยบูรณาการข้อมูลเพื่อปรับปรุงการจัดการจราจรและความปลอดภัยบนท้องถนน
คณะเทคโนโลยีการเกษตร
โครงการนี้ได้สร้างระบบดูแลต้นไม้ในหอพักผ่านระบบ IoT ( Internet of Things ) โดยการพัฒนาโปรแกรมผ่านบอร์ด ESP-32 ควบคุมการรดน้ำต้นไม้อัตโนมัติ โดยสั่งการผ่าน สมาร์ทโฟน สามารถใช้งานระบบปฏิบัติการทั้ง iOS และ Android โครงการนี้จะช่วยให้การปลูกต้นไม้ในหอพักเป็นเรื่องง่ายและสะดวกมากยิ่งขึ้น
คณะวิศวกรรมศาสตร์
งานวิจัยนี้มีวัตถุประสงค์เพื่อตรวจสอบปลอมปนของข้าวสารพันธุ์ขาวดอกมะลิ 105 ตามอายุการเก็บรักษา ด้วยเทคนิคเนียร์อินฟราเรดสเปกโทรสโกปี โดยใช้ฟูเรียร์ทรานฟอร์มเนียร์อินฟราเรดสเปกโทรสโกปี (FT-NIR) จำนวนคลื่น 12,500 – 4,000 cm-1 (800 – 2,500 nm) ซึ่งอายุการเก็บรักษาของข้าวที่แตกต่างกันส่งผลต่อคุณภาพข้าวหุงสุก งานวิจัยนี้แบ่งเป็น 2 ส่วน 1) เพื่อตรวจสอบความเป็นไปในการแยกข้าวสารตามอายุการเก็บรักษา 1 2 และ 3 ปี แบบจำลองที่ดีที่สุดสร้างด้วย Ensemble ร่วมกับ Second Derivative มีค่าความถูกต้อง (Accuracy) เท่ากับ 96.3% 2) ตรวจสอบการปลอมปนตามอายุการเก็บรักษา โดยปลอมปนที่ 0% (ข้าว 2 และ 3 ปีทั้งหมด), 10%, 20%, 30%, 40%, 50%, 60%, 70%, 80%, 90% และ 100% (ข้าว 1 ปีทั้งหมด) แบบจำลองที่ดีที่สุดสร้างด้วย Gaussian Process Regression (GPR) ร่วมกับ Smoothing + Multiplicative Scatter Correction (MSC) โดยมีค่าสัมประสิทธิ์การกำหนด (r²) ค่ารากที่สองของความคลาดเคลื่อนกำลังสองเฉลี่ยของการทำนาย (RMSEP) ค่าความคลาดเคลื่อนเฉลี่ย (Bias) และค่าความสามารถในการทำนาย (RPD) เท่ากับ 0.92 8.6% 0.9% และ 3.6 ตามลำดับ แสดงให้เห็นว่าแบบจำลองการปลอมปนสามารถนำไปประยุกต์ใช้ได้สำหรับการตรวจสอบการแยกประเภทข้าวตามอายุการเก็บรักษา 1 ปี 2 ปี และ 3 ปี นอกจากนั้นค่าสีของข้าวที่อายุการเก็บรักษาต่างกันมีค่าสี L* และ b* ต่างกันอีกด้วย