งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาระบบโครงข่ายประสาทเทียมแบบคอนโวลูชัน (Deep Convolutional Neural Networks - CNNs) สำหรับการระบุเม็ดยาอย่างแม่นยำ เพื่อแก้ไขข้อจำกัดของการพิสูจน์เอกลักษณ์เม็ดยาด้วยทรัพยากรมนุษย์ โดยใช้ข้อมูลรูปภาพจำนวน 1,250 ภาพ จากยาสามัญประจำบ้าน 10 ชนิด นำมาทดสอบกับโมเดล YOLO ที่แตกต่างกันภายใต้เงื่อนไขต่างๆ ผลการทดลองพบว่า การใช้แสงธรรมชาติให้ผลดีกว่าเมื่อทดสอบด้วยระบบโครงข่ายประสาทเทียมแบบคอนโวลูชัน เมื่อเปรียบเทียบกับแสงจากกล่องสตูดิโอ นอกจากนี้ โมเดล YOLOv5-tiny แสดงความแม่นยำสูงสุดในการตรวจจับเม็ดยา ขณะที่โมเดล EfficientNet_b0 ให้ผลลัพธ์ดีที่สุดในการจำแนกเม็ดยา แม้ว่าระบบโครงข่ายประสาทเทียมแบบคอนโวลูชันที่พัฒนาขึ้นนี้จะให้ผลลัพธ์ที่น่าพึงพอใจ แต่ยังมีข้อจำกัดในเรื่องชนิดของเม็ดยาและจำนวนภาพที่ใช้ในการศึกษา อย่างไรก็ตาม งานวิจัยนี้มีศักยภาพในการส่งเสริมความปลอดภัยในการใช้ยาทั้งในระบบสาธารณสุขและผู้ป่วยนอก รวมถึงลดปัญหาที่อาจเกิดขึ้นจากการใช้ยาผิดพลาด
The increasing complexity of pharmaceutical treatments requires precise pill identification to ensure patient safety. Traditional methods for pill reconciliation rely on human experts, which are time-consuming and prone to errors. Deep Convolutional Neural Networks (CNNs), particularly effective in image processing, offer a promising solution for automating and enhancing these processes.
คณะเทคโนโลยีการเกษตร
งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาพริกพันธุ์การค้าของไทยให้ต้านทานต่อโรคแอนแทรกโนสและโรคไวรัสใบหงิกเหลือง เพื่อให้เกษตรได้ลดการใช้สารเคมีเพื่อป้องกันและกำจัดโรคและแมลง และเป็นการเพิ่มผลผลิตและลดต้นทุนให้แก่เกษตรกร โดยการพัฒนาพันธุ์พริกผ่านกระบวนการเรียนการสอนทั้งระดับปริญญาตรี โท และเอก ซึ่งถือได้ว่าเป็นการสร้างนักปรับปรุงพันธุ์รุ่นใหม่ ที่มีทั้งความรู้ด้านการปรับปรุงพันธุ์พืชโดยใช้วิธีมาตรฐานร่วมกับการใช้เทคโนโลยีชีวภาพ และงานวิจัยนี้ยังได้เผยแพร่สายพันธู์เพื่อให้เกษตรกร และบริษัทเมล็ดนำไปต่อยอดใช้ในเชิงพานิชย์ และช่วยเสริมความเข้มแข็งให้กับธุรกิจเมล็ดพันธุ์ของประเทศไทยได้
คณะวิทยาศาสตร์
ในงานวิจัยนี้ ทำการผลิตเมมเบรนกราฟีนออกไซด์โดยใช้กระบวนการ Phase-Inversion Method ซึ่งเป็นการเปลี่ยนสถานะของพอลิเมอร์จากของเหลวไปเป็นของแข็งผ่านการแยกเฟส ซึ่งจะทำให้เกิดโครงสร้างรูพรุนในเมมเบรน โครงสร้างของเมมเบรนที่ได้ขึ้นอยู่กับวิธีการทำให้เกิดการแยกเฟส โดยวิธี Phase-Inversion เป็นหนึ่งในกระบวนการผลิตเมมเบรนที่มีความยืดหยุ่นสูง ต้นทุนต่ำ และสามารถควบคุมโครงสร้างของเมมเบรนได้ดี เหมาะสำหรับงานด้านการบำบัดน้ำ การแยกสาร และการกรองของเหลวหรือก๊าซในระดับอุตสาหกรรม กราฟีนออกไซด์ (Graphene Oxide, GO) เป็นวัสดุที่ได้รับความสนใจอย่างมากในด้านการนำมาผลิตเมมเบรนเพื่อใช้สำหรับบำบัดน้ำและการกำจัดของเสีย เนื่องจากมีโครงสร้างเป็นชั้นบางระดับนาโนเมตร ทำให้สามารถควบคุมการซึมผ่านของโมเลกุลน้ำได้อย่างมีประสิทธิภาพ และยังมีคุณสมบัติพิเศษ เช่น - การคัดแยกโมเลกุลที่มีประสิทธิภาพสูง: สามารถกรองอนุภาคนาโน ไอออนโลหะหนัก สารอินทรีย์ และจุลินทรีย์ได้ - ความสามารถในการซึมผ่านน้ำสูง: เนื่องจากโครงสร้างของกราฟีนออกไซด์มีช่องว่างระหว่างชั้นที่เอื้อต่อการเคลื่อนที่ของโมเลกุลน้ำ - ความทนทานทางเคมีและเชิงกลสูง: ทำให้สามารถใช้งานในสภาพแวดล้อมที่รุนแรง เช่น น้ำเสียอุตสาหกรรม หรือของเสียที่มีค่า pH สูงหรือต่ำได้ - คุณสมบัติการป้องกันการเปรอะเปื้อน (Antifouling): ลดการสะสมของสารปนเปื้อนบนพื้นผิวเมมเบรน - กราฟีนออกไซด์มีความชอบน้ำสูงเนื่องจากมีปริมาณหมู่ฟังชันของออกซิเจนอย่าง (OH-) ที่พื้นผิวที่ค่อนข้างมาก ส่งผลให้เป็นเป็นสารเติ่มแต่งที่ดีสำหรับการผลิตเมมเบรนด้วยเทคนิค Phase-Inversion Method การประยุกต์ใช้เมมเบรนกราฟีนออกไซด์ในการกำจัดของเสีย - การบำบัดน้ำเสียอุตสาหกรรม เช่น การกรองโลหะหนัก (Pb2+, Cr6+, Hg2+) และสารอินทรีย์ที่เป็นพิษ - การกำจัดสารปนเปื้อนทางชีวภาพ เช่น แบคทีเรีย ไวรัส และสารพิษจากจุลินทรีย์ - การแยกเกลือออกจากน้ำทะเล (Desalination) โดยสามารถใช้แทนเมมเบรนแบบดั้งเดิมเพื่อเพิ่มอัตราการซึมผ่านของน้ำและลดพลังงานที่ใช้ - การกำจัดสารปนเปื้อนทางเภสัชกรรม เช่น ยาปฏิชีวนะและฮอร์โมนที่ตกค้างในน้ำ
คณะเทคโนโลยีการเกษตร
การศึกษาประสิทธิภาพปูนในการเพิ่มค่าอัลคาไลน์ในน้ำสำหรับการเพาะเลี้ยงกุ้งขาว Efficacy Study of lime in Enhancing Water Alkalinity for Pacific White Shrimp (Litopenaeus vannamei) Aquaculture การศึกษานี้มีวัตถุประสงค์เพื่อศึกษาประสิทธิภาพการเพิ่มค่าอัลคาไลน์ของปูนที่มีองค์ประกอบ calcium oxide มากกว่า 50% และ magnesium oxide ไม่ต่ำกว่า 29% ในน้ำสำหรับการเพาะเลี้ยงกุ้งขาว ทดลองที่ระดับความเข้มข้น 0, 5, 10, 15 และ 20 ppm เป็นระยะเวลา 48 ชั่วโมง โดยเก็บข้อมูลที่ชั่วโมงที่ 0, 3, 6, 12, 24, 36 และ 48 ผลการศึกษาแสดงให้เห็นว่าปูนมีประสิทธิภาพการแตกตัวสูง (65-86%) ในชั่วโมงแรก และเข้าสู่การแตกตัวสมบูรณ์ (98.5-98.6%) ภายใน 6 ชั่วโมง ค่า pH มีการเพิ่มขึ้นตามความเข้มข้นของปูนในช่วงแรก และค่อยๆ ลดลงในช่วง 3-12 ชั่วโมง ก่อนเข้าสู่สภาวะคงที่ ส่วนค่า Total alkalinity พบการเพิ่มขึ้นชัดเจนในช่วง 3-6 ชั่วโมงแรกและคงที่จนสิ้นสุดการทดลอง การวิเคราะห์ทางสถิติพบว่าทั้งความเข้มข้นและระยะเวลามีผลต่อการเปลี่ยนแปลงของทุกพารามิเตอร์อย่างมีนัยสำคัญทางสถิติ (p < 0.001)