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.
คณะบริหารธุรกิจ
งานวิจัยนี้เป็นการพัฒนาชาจากเปลือกและเมล็ดของลำไย ประชากรที่ใช้ในการศึกษาครั้งนี้ได้แก่ เกษตรกรผู้ปลูกและแปรรูปผลิตภัณฑ์จากลำไย ในอำเภอวังน้ำเย็น จังหวัดสระแก้ว ผลการศึกษาพบว่าจากกระบวนการผลิตลำไยอบแห้ง จะมีผลิตภัณฑ์ผลพลอยได้คือเปลือกและเมล็ดลำไย ซึ่งสามารถนำมาแปรรูปเป็นชาผงสำเร็จรูปพร้อมดื่มได้ ซึ่งนอกจากจะช่วยลดการเกิดขยะจากกระบวนการผลิต ยังมีส่วนช่วยสร้างรายได้จากผลิตภัณฑ์ผลพลอยได้ดังกล่าวเพิ่มอีกช่องทางหนึ่ง
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
การออกแบบและสร้างแบบจำลองห้องน้ำพร้อมโครงสร้าง ซึ่งทำให้เรียนรู้เกี่ยวกับงานวางระบบท่อและไฟฟ้าของห้องน้ำจากการทำแบบจำลองอย่างละเอียด
คณะวิศวกรรมศาสตร์
การศึกษานี้จัดทำขึ้นเพื่อสร้างต้นแบบผ้าคลุมเย็นสำหรับการขนส่งน้ำนมดิบเพื่อเสนอแนวทางการรักษาคุณภาพน้ำนมดิบระหว่างการขนส่งไปยังศูนย์รวบรวมน้ำนมดิบ ผ้าคลุมเย็นนี้ผลิตจากการนำวัสดุเปลี่ยนสถานะ (Phase Change Material, PCM) ผลิตจากน้ำผสมสารสร้างเนื้อเจล ปริมาณ 5.6 กิโลกรัม มาประกบรอบถังนมอะลูมิเนียม (ปริมาตรความจุ 25 ลิตร) แล้วคลุมด้วยผ้าเคลือบสารสะท้อนรังสียูวี 2 ชนิด ได้แก่ ผ้าพอลิไวนิลคลอไรด์ (PVC) และผ้าพอลิเอทิลีนความหนาแน่นสูง (HDPE) ประสิทธิภาพการรักษาอุณหภูมิของผ้าคลุมทั้งสองแบบประเมินจากการวัดอุณหภูมิของน้ำที่จุดต่าง ๆ ตามแนวรัศมีและตามความสูงของถังนม จำนวน 6จุด ด้วยสายเทอร์มอคัปเปิลชนิดที ภายใต้สภาวะแวดล้อม 3 สภาวะ ได้แก่ ที่อุณหภูมิคงที่ 25 °C และ 35 °C และที่อุณหภูมิบรรยากาศกลางแจ้ง (อุณหภูมิเฉลี่ย 35.5 °C) เป็นระยะเวลาอย่างน้อย 180 นาที ผลการทดลองพบว่า ที่เวลา 120 นาที น้ำในถังคลุมด้วยผ้า PCM-PVC และผ้า PCM-HDPE มีอุณหภูมิต่ำกว่าอุณหภูมิบรรยากาศ 12.6 °C และ 12.9 °C ตามลำดับ ภายใต้อุณหภูมิบรรยากาศคงที่ 25 °C ในขณะที่ภายใต้อุณหภูมิบรรยากาศคงที่ 35 °C มีอุณหภูมิต่ำกว่าอุณหภูมิบรรยากาศ 16.7 °C และ 16.4 °C ตามลำดับ และอุณหภูมิบรรยากาศกลางแจ้งมีอุณหภูมิต่ำกว่าอุณหภูมิบรรยากาศ 12.7 °C และ 13.8 °C ตามลำดับ เนื่องจากผ้า PCM-PVC และผ้า PCM-HDPE มีประสิทธิภาพการรักษาอุณหภูมิไม่ต่างกัน การประเมินประสิทธิภาพการรักษาคุณภาพทางจุลินทรีย์ของน้ำนมดิบจึงศึกษาเฉพาะผ้า PCM-PVC เทียบกับกรณีไม่ใช้ผ้าคลุม (ควบคุม) ด้วยการตรวจนับปริมาณเชื้อโคลิฟอร์มและเชื้อ Escherichia coli โดยใช้อาหารเลี้ยงเชื้อสำเร็จรูป ผลการทดลองพบว่าเมื่อเวลาผ่านไป 120 นาที น้ำนมในถังที่คลุมด้วยผ้า PCM-PVC มีปริมาณเชื้อโคลิฟอร์มเฉลี่ยเท่ากับ 1.6 × 10^4 CFU/ml และเชื้อ E. coli เท่ากับ 2 × 10^3 CFU/ml ซึ่งน้อยกว่ากรณีไม่มีผ้าคลุมซึ่งมีปริมาณเชื้อโคลิฟอร์ม เฉลี่ยเท่ากับ 1.5 × 10^4 CFU/ml และเชื้อ E. coli เท่ากับ 1.1 × 10^4 CFU/ml จากการศึกษานี้สรุปได้ว่าอุณหภูมิที่ลดได้นี้สามารถช่วยชะลอการเจริญของเชื้อโคลิฟอร์มให้มีปริมาณน้อยกว่าเกณฑ์มาตรฐานน้ำนมดิบซึ่งแสดงให้เห็นถึงศักยภาพของผ้าคลุมเย็นในการรักษาคุณภาพและความปลอดภัยของน้ำนมดิบระหว่างการขนส่งอันจะนำไปสู่การยกระดับคุณภาพชีวิตของเกษตรกรผู้เลี้ยงโคนมไทย