โครงการนี้มีเป้าหมายเพื่อพัฒนาศักยภาพการใช้พลังงานในอนาคต Net Zero ของกรุงเทพครั้งใหม่ โดยมีเป้าหมายที่จะตอบข้อบกพร่องของโครงสร้างเมืองในปัจจุบัน ซึ่งยังคงไม่มีประสิทธิภาพและก่อมลพิษอย่างมาก ในทางกลับกันโครงการนี้สามารถผลิตพลังงานและส่งพลังงานส่วนเกินกลับคืนสู่เมืองและชุมชนโดยรอบ
โครงการนี้เริ่มต้นจากความสนใจส่วนตัวในด้านสิ่งแวดล้อมและ Green Design โดยณปัจจุบันโลกกำลังเผชิญกับวิกฤตสภาพภูมิอากาศ ซึ่งตอนนี้อุณหภูมิโลกได้เพิ่มสูงขึ้นถึงระดับ 1.5°C และกำลังเข้าใกล้ขีดจำกัด 2°C เพื่อรับมือกับสถานการณ์นี้องค์กร United Nations ได้กำหนดเป้าหมายใว้ในปี 2015 ในการบรรลุ Carbon Net Zero ภายในปี 2050 โครงการนี้ทำขึ้นเพื่อเป็นจุดเริ่มต้นของการเปลี่ยนแปลงในสถาปัตยกรรมสู่อนาคต
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
คณะเทคโนโลยีการเกษตร
ปลากัด (Betta splendens) เป็นปลาสวยงามที่มีคุณค่าทางเศรษฐกิจที่มีการส่งออกมากเป็นอันดับที่ 1 ของปลาสวยงามของประเทศ แต่มีข้อจำกัดในการเพิ่มกำลังผลิตปลากัด เนื่องจากการแปรปรวนของสภาพภูมิอากาศ และการขาดแคลนแรงงานคนไทย งานวิจัยนี้ต้องการพัฒนา 2 ระบบ คือ ระบบอนุบาลลูกปลากัดและระบบเลี้ยงปลากัดขนาดตลาดโดยการใช้ระบบเทคโนโลยีอัตโนมัติอย่างแม่นยำเพื่อควบคุมคุณภาพน้ำในระบบและลดการใช้แรงงาน การพัฒนาต้นแบบระบบอนุบาลลูกปลากัดและระบบเลี้ยงปลากัดขนาดตลาด โดยใช้ระบบอัตโนมัติอย่างแม่นยำมี 2 ระบบ ได้แก่ ระบบนำของเสียบางส่วนที่เกิดจากการเลี้ยงไปใช้ประโยชน์ (minimal-waste) และระบบบำบัดน้ำทั้งหมดที่เกิดจากการเลี้ยงกลับมาใช้ใหม่ (zero-waste) เพื่อแก้ปัญหาทั้งด้านคุณภาพน้ำ สวัสดิภาพสัตว์ และแรงงานที่ใช้ในการเลี้ยงปลากัด จากงานทดลองพบว่า ทำให้ปลากัดมีอัตรารอดที่ดีกว่าระบบดั้งเดิมร้อยละ 10-15 เมื่อพิจารณาถึงผลตอบแทนสุทธิ ระบบ zero waste เป็นระบบที่ให้ผลตอบแทนสูงที่สุด
คณะวิทยาศาสตร์
โรคหูชั้นกลางอักเสบ เกิดจากการที่ผู้ป่วยติดเชื้อโรคในหูชั้นกลาง ซึ่งสามารถพบได้ในทุกเพศทุกวัย อย่างไรก็ดี การวินิจฉัยสามารถทำได้โดยการนำภาพถ่ายจากกล้องออโตสโคปมาวิเคราะห์โดยแพทย์ผู้เชี่ยวชาญ แต่กระนั้น จำต้องอาศัยประสบการณ์ทางการแพทย์เพื่อลดทอนระยะเวลาในการวินิจฉัย ดังนั้น งานวิจัยนี้จึงนำเสนอเทคโนโลยีทางคอมพิวเตอร์วิทัศน์ มาประยุกต์ใช้เพื่อวินิจฉัยโรคเบื้องต้นประกอบการตัดสินใจให้กับแพทย์ผู้เชี่ยวชาญ โดยใช้เทคนิคการเรียนรู้เชิงลึก และโครงข่ายประสาทเทียมแบบคอนโวลูชัน อย่างสถาปัตยกรรม YOLOv8 และ Inception v3 เพื่อจำแนกประเภทของโรค และคุณลักษณะของโรคหูชั้นกลางอักเสบทั้ง 5 อย่างที่แพทย์ใช้ในการพิจารณาประเภทของโรคอันได้แก่ สี ความโปร่งใส ของเหลว การหดตัว และการทะลุ นอกจากนี้ ยังใช้วิธีการแบ่งส่วนรูปภาพ และการจำแนกประเภทรูปภาพในการวิเคราะห์และทำนายประเภทของโรคหูชั้นกลางอักเสบ ซึ่งสามารถแบ่งประเภทของโรคได้สี่ประเภท คือ โรคหูชั้นกลางอักเสบแบบมีน้ำขัง แบบเฉียบพลัน โรคหูชั้นกลางทะลุ และแก้วหูปกติ ผลการทดลองพบว่าโมเดลจำแนกประเภทสามารถจำแนกประเภทของโรคหูชั้นกลางอักเสบโดยตรงได้ดีพอประมาณ โดยผลลัพธ์ค่า Accuracy อยู่ที่ 65.7% ค่า Recall อยู่ที่ 65.7% และค่า Precision อยู่ที่ 67.6% และนอกจากนี้ยังให้ผลลัพธ์สำหรับการจำแนกคำตอบของคุณลักษณะหูทะลุได้ดีที่สุด โดยผลลัพธ์ค่า Accuracy อยู่ที่ 91.8% ค่า Recall อยู่ที่ 91.8% และค่า Precision อยู่ที่ 92.1% ในขณะที่โมเดลจำแนกซึ่งมีการประยุกต์ใช้เทคนิคการแบ่งส่วนรูปภาพมีประสิทธิภาพดีที่สุดโดยภาพรวม มีค่า mAP50-95 อยู่ที่ 79.63% ค่า Recall อยู่ที่ 100% และค่า Precision อยู่ที่ 99.8% ทั้งนี้ โมเดลดังกล่าวยังไม่ได้ถูกนำไปทดสอบการจำแนกประเภทของโรคหูชั้นกลางอักเสบ