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
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
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
คณะวิทยาศาสตร์
โลกธุรกิจในปัจจุบันมีการแข่งขันสูง การทำความเข้าใจลูกค้าเป็นสิ่งที่สำคัญที่สามารถทำให้องค์กรกำหนดความสำเร็จได้ การตลาดที่มีประสิทธิภาพไม่ใช่เพียงแค่การเสนอสินค้า โปรโมชั่น หรือบริการที่ดีเท่านั้น แต่ยังต้องมีกลยุทธ์ในการเข้าถึงและสร้างความสัมพันธ์ที่ดีกับกลุ่มลูกค้า การจัดกลุ่มลูกค้าเป็นหนึ่งในวิธีการที่จะช่วยให้ธุรกิจสามารถเจาะลึกความต้องการและพฤติกรรมของกลุ่มลูกค้าที่เข้ามาใช้บริการได้อย่างชัดเจน จากการปฎิบัติสหกิจศึกษาในครั้งนี้ ผู้ปฏิบัติได้รับมอบหมายให้ปฏิบัติงานใน ทีมธุรกิจอัจฉริยะ (Business Intelligence - BI) กลุ่มธุรกิจอาหารและเครื่องดื่ม ได้ทำหน้าที่วิเคราะห์ข้อมูลของกลุ่มลูกค้าของร้านกาแฟพันธุ์ไทยเกี่ยวกับลักษณะของลูกค้าที่เข้ามาใช้บริการในร้านกาแฟพันธุ์ไทย การปฏิบัติงานสหกิจครั้งนี้ มีวัตถุประสงค์ในการที่จะเข้าใจพฤติกรรมของลูกค้าที่เข้ามาซื้อเครื่องดื่มประเภทกาแฟและชาในร้านกาแฟพันธุ์ไทย โดยการวิเคราะห์ข้อมูลของลูกค้าที่มีการจัดเก็บไว้ ซึ่งผลจากการดำเนินได้มีการจัดกลุ่มลูกค้าที่เข้ามาซื้อเครื่องดื่มประเภทกาแฟและชา โดยการใช้ Naive Bayes, Random Forest, Deep Learning เปรียบเทียบเทคนิคที่มีความแม่นยำและเหมาะสม เพื่อนำข้อมูลที่วิเคราะห์ได้ไปใช้ประโยชน์ต่อไป