KMITL Expo 2026 LogoKMITL 66th Anniversary Logo

เริ่มต้นใหม่ (ธรรมชาติของดอกไม้)

เริ่มต้นใหม่ (ธรรมชาติของดอกไม้)

รายละเอียด

การแสดงถึงธรรมชาติในการเริ่มต้นใหม่

วัตถุประสงค์

ที่มาหัวข้อธรรมชาติ ได้มีการเอาความหมายของดอกไม้มาเล่นให้เกิดเป็นชิ้นงานนี้

นวัตกรรมอื่น ๆ

เจลลี่ลูกชก

คณะศิลปศาสตร์

เจลลี่ลูกชก

เจลลี่ลูกชกที่ผลิตจากผลไม้ท้องถิ่นของจังหวัดพังงา โดยใช้ความหวานจากหญ้าหวานแทนน้ำตาล ถือเป็นผลิตภัณฑ์แปรรูปที่มีมูลค่าเพิ่มจากทรัพยากรท้องถิ่น ช่วยตอบสนองความต้องการของผู้บริโภคที่ใส่ใจสุขภาพและต้องการลดการบริโภคน้ำตาล นอกจากนี้ ยังเป็นผลิตภัณฑ์ที่ยั่งยืน เนื่องจากใช้วัตถุดิบในท้องถิ่น และมีศักยภาพในการเป็นของฝากที่เป็นเอกลักษณ์ของจังหวัดพังงา ซึ่งจะช่วยส่งเสริมการเกษตรในท้องถิ่นและกระตุ้นเศรษฐกิจของภูมิภาค"

การตรวจจับอารมณ์ผ่านวิดีโอจากการแสดงออกทางสีหน้าที่มีความทนทาน  ต่อการบดบังบางส่วน

คณะเทคโนโลยีสารสนเทศ

การตรวจจับอารมณ์ผ่านวิดีโอจากการแสดงออกทางสีหน้าที่มีความทนทาน ต่อการบดบังบางส่วน

การตรวจจับอารมณ์ผ่านการแสดงออกทางใบหน้า (Facial Expression Recognition, FER) ได้รับความสนใจอย่างมากในหลายสาขา เช่น การดูแลสุขภาพ การให้บริการลูกค้า และการวิเคราะห์พฤติกรรม อย่างไรก็ตาม ความท้าทายยังคงอยู่ที่การพัฒนาระบบที่มีความทนทานและสามารถรับมือกับการเปลี่ยนแปลงของสภาพแวดล้อมรวมถึงสถานการณ์ที่หลากหลายได้ ผู้วิจัยได้นำเสนอการใช้เทคนิค Ensemble Learning เพื่อรวมผลลัพธ์จากโมเดลหลายตัวที่ถูกฝึกในเงื่อนไขเฉพาะ ทำให้ระบบไม่ลืมข้อมูลเก่า และยังสามารถเรียนรู้ข้อมูลใหม่ได้อย่างมีประสิทธิภาพ โดยเทคนิคนี้มีข้อได้เปรียบในด้านเวลาและทรัพยากรที่ใช้ในการเทรน เนื่องจากช่วยลดความจำเป็นในการสร้างโมเดลใหม่ทั้งหมดเมื่อมีสภาพแวดล้อมใหม่ เพียงเพิ่มโมเดลเฉพาะทางใหม่ในระบบ Ensemble ซึ่งใช้ทรัพยากรน้อยกว่าแทน ในงานวิจัยนี้ Ensemble Learning ถูกแบ่งออกเป็นสองแนวทางหลัก คือ การเฉลี่ยผลลัพธ์จากโมเดลเฉพาะทางที่ถูกฝึกภายใต้สถานการณ์เฉพาะ (Averaging Ensemble) และการใช้เทคนิค Mixture of Experts (MoE) ซึ่งเป็นการผสมผสานโมเดลหลายตัวที่เชี่ยวชาญในสถานการณ์ต่าง ๆ ไว้ด้วยกัน ผลการทดลองแสดงให้เห็นว่า การใช้ Mixture of Experts (MoE) มีประสิทธิภาพสูงกว่าวิธี Averaging Ensemble ในการจำแนกอารมณ์ในทุกสถานการณ์ โดยระบบ MoE สามารถเพิ่มความแม่นยำเฉลี่ยได้ถึง 84.41% บนชุดข้อมูล CK+, 54.20% บน Oulu-CASIA และ 61.66% บน RAVDESS ซึ่งสูงกว่าวิธี Averaging Ensemble ที่มีความแม่นยำเฉลี่ยที่ 71.64%, 44.99% และ 57.60% ตามลำดับ ผลลัพธ์เหล่านี้แสดงให้เห็นว่า MoE สามารถเลือกโมเดลที่เชี่ยวชาญในสถานการณ์เฉพาะได้อย่างแม่นยำ และยังช่วยเพิ่มความสามารถในการรับมือกับสภาพแวดล้อมที่ซับซ้อนกว่า

เกษตรกิจ

คณะเทคโนโลยีสารสนเทศ

เกษตรกิจ

โครงงานเรื่องเกษตรกิจ ได้รับแรงบันดาลใจมาจากการที่สังคมในปัจจุบัน เรื่องของธุรกิจ และเทคโนโลยีมีการเติบโตและผสานเข้าด้วยกันมากยิ่งขึ้น ทำให้เรื่องของเศรษฐศาสต์เข้ามามีอิทธิพลมากขึ้น ดังนั้นแล้วการเรียนรู้ และทำความเข้าใจเกี่ยวกับหลักเศรษฐศาสตร์พื้นฐานจึงไม่ใช่เรื่องไกลตัวอีกต่อไป แต่การเรียนรู้ผ่านหนังสือ หรือตำราต่างๆ เป็นสิ่งที่ผู้คนให้ความสนใจน้อยลง ทางผู้พัฒนาจึงมองหาหนทางใหม่ๆ ในการสร้างสื่อการเรียนรู้ ที่ไม่ได้มอบเพียงแค่ความรู้ แต่ยังคงมอบความเพลิดเพลินให้กับผู้เล่นด้วย จึงเกิดความคิดริเริ่มในการสร้างเกมเกษตรกิจขึ้นมา โดยภายในเกมผู้เล่นจะได้รับบทเป็นเกษตรกรที่ต้องบริหารฟาร์ม ซึ่งผู้เล่นจะต้องปลูกพืชในฟาร์มของตนเองให้มีประสิทธิภาพสูงสุดเพื่อให้ได้ผลผลิตที่มีคุณภาพ และนำไปขายในตลาด โดยผู้เล่นจะต้องตัดสินใจเลือกประเภทของผลผลิต ปริมาณของผลผลิต รวมถึงราคาขายที่ผู้เล่นต้องการ ซึ่งจะส่งผลต่อปริมาณที่ขายได้ และกำไรที่จะได้รับ โดยเป้าหมายของเกม คือ การที่ผู้เล่นจะต้องสร้างรายได้ให้เพียงพอต่อการใช้หนี้ในแต่ละฤดูกาล ซึ่งผู้เล่นจะได้เรียนรู้หลักเศรษฐศาสตร์ผ่านการจำลองสถานการณ์ต่างๆ ภายในเกม อีกทั้งยังต้องอาศัยทักษะในการวางแผน และการตัดสินใจที่รอบคอบ เพื่อให้สามารถสร้างรายได้ให้มีประสิทธิภาพมากที่สุด