การสร้างระบบเลี้ยงและบำบัดน้ำไปในตัวโดยใช้รูปแบบFlow water system โดยข้อจำกัดคือเพาะเลี้ยงในพื้นที่เล็กๆแต่ได้ผลจริง
ต้องการสร้างระบบน้ำและเลี้ยงสัตว์น้ำในพื้นที่ที่มีจำกัด
คณะเทคโนโลยีการเกษตร
การควบคุมโรคพืชโดยชีววิธี (Biological control หรือ biocontrol) เป็นวิธีการจัดการกับโรคพืชที่ได้รับความสนใจในปัจจุบัน เนื่องจากเป็นมิตรต่อสิ่งแวดล้อม ตลอดจนสุขภาพของเกษตรกรและผู้บริโภค หลักเกณฑ์ที่สำคัญของการควบคุมโรคพืชโดยชีววิธีคือการใช้จุลินทรีย์ที่มีคุณสมบัติเป็นปฏิปักษ์ (Antagonistic microorganisms) ต่อเชื้อสาเหตุโรค ซึ่งถูกนำมาใช้ในการควบคุมหรือกำจัดไม่ให้เชื้อสาเหตุโรคเข้าทำความเสียหายต่อพืชได้ ดังนั้นการได้มาซึ่งจุลินทรีย์ปฏิปักษ์ที่มีประสิทธิภาพคือหัวใจสำคัญของการควบคุมโรคพืชโดยชีววิธี โครงงานนี้จึงได้ทำการแยกเชื้อจุลินทรีย์จากหลายแหล่งในธรรมชาติ นำมาทำการคัดเลือกจุลินทรีย์ปฏิปักษ์ต่อเชื้อสาเหตุ Phytophthora palmivora เชื้อราสาเหตุโรครากเน่าโคนเน่าของทุเรียน Curvularia sp. เชื้อราสาเหตุสาเหตุโรคใบจุดสีน้ำตาลของข้าว และ Xanthomonas citri pv. citri เชื้อแบคทีเรียสาเหตุโรคแคงเกอร์ของพืชตระกูลส้ม
คณะเทคโนโลยีการเกษตร
การวิจัยครั้งนี้มีวัตถุประสงค์พัฒนาเว็บไซต์เก็บรวบรวมข้อมูลของ Young Smart Farmer จังหวัดจันทบุรี ใช้แบบสัมภาษณ์เก็บจากกลุ่มตัวอย่าง จำนวน 30 ราย เพื่อการพัฒนาเว็บไซต์ โดยนำข้อมูลที่ได้มาจัดหมวดหมู่และใช้ข้อมูลดังกล่างในการพัฒนาเว็บไซต์เพื่อเผยแพร่แก่เกษตรกรและบุคคลที่สนใจ จากนั้นดำเนินการศึกษาความพึงพอใจต่อเว็บไซต์ โดยใช้แบบสอบถามวิเคราะห์ข้อมูลด้วยสถิติเชิงพรรณนา ได้แก่ ค่าความถี่ (Frequency) ค่าร้อยละ (Percentage) ค่าเฉลี่ย (Mean) และส่วนเบี่ยงเบนมาตรฐาน (Standard deviation) ผลการศึกษาพบว่า กลุ่มตัวอย่างเป็นเพศชายและเพศหญิงเท่ากัน มีอายุอยู่ระหว่าง 36-40 ปีมากที่สุด ร้อยละ 50.00 เป็น Young Smart Farmer อำเภอขลุง แหลมสิงห์ และแก่งหางแมวมากที่สุด ร้อยละ 13.33 สำเร็จการศึกษา ระดับปริญญาตรีหรือเทียบเท่า ร้อยละ 60.00 ประกอบอาชีพหลักเป็นเกษตรกร ร้อยละ 73.33 ผลการศึกษาความพึงพอใจต่อเว็บไซต์เพื่อเก็บรวบรวมข้อมูล Young Smart Farmer พบว่ากลุ่มตัวอย่างพึงพอใจอยู่ในระดับมากที่สุดทุกด้าน โดยเรียงลำดับได้ดังนี้ 1) ด้านการใช้งานเว็บไซต์ (ค่าเฉลี่ย 4.97) 2) ด้านความพึงพอใจโดยภาพรวม (ค่าเฉลี่ย 4.93) 3) ด้านคุณภาพของเนื้อหา (ค่าเฉลี่ย 4.91) 4) ด้านประโยชน์และการนำไปใช้ (ค่าเฉลี่ย 4.87) และ 5) ด้านการออกแบบและการจัดรูปแบบมากที่สุด (ค่าเฉลี่ย 4.85) ตามลำดับ
คณะวิศวกรรมศาสตร์
โครงการนี้มีเป้าหมายเพื่อ ตรวจจับและจำแนกประเภทของรอยร้าวบนผนัง โดยใช้ AI และการประมวลผลภาพ ผู้ใช้สามารถ อัปโหลดรูปภาพ และระบบจะ วิเคราะห์ประเภทและความรุนแรงของรอยร้าว โมเดลที่ใช้คือ ResNet-50 ซึ่งมีความแม่นยำ 70.59% การปรับแต่งข้อมูลและการเพิ่มข้อมูลช่วยให้การตรวจจับแม่นยำขึ้น เครื่องมือนี้ช่วย ป้องกันความเสียหายทางโครงสร้าง โดยให้คำแนะนำเบื้องต้นสำหรับการบำรุงรักษา