การดำเนินการวิจัยนี้จะเริ่มจากการทบทวนวรรณกรรมและงานวิจัยที่เกี่ยวข้องเพื่อศึกษาเทคโนโลยีและวิธีการที่มีอยู่ในปัจจุบันสำหรับการรู้จำท่าทางมือและการประยุกต์ใช้ในการควบคุมอุปกรณ์อิเล็กทรอนิกส์ เช่น โดรน หุ่นยนต์ หรือการเล่นเกม ฯลฯ เป็นต้น จากนั้นจะทำการออกแบบและพัฒนาระบบการรู้จำท่าทางมือโดยใช้เทคนิคการเรียนรู้ของเครื่อง (Machine Learning) และการประมวลผลภาพ โดยเน้นการพัฒนาอัลกอริทึมที่สามารถทำงานได้อย่างรวดเร็วและแม่นยำ เหมาะสมกับการควบคุมแบบเรียลไทม์ ระบบที่พัฒนาขึ้นจะถูกทดสอบและปรับปรุงโดยใช้สถานการณ์จำลองต่าง ๆ เพื่อประเมินประสิทธิภาพและความแม่นยำในสภาพแวดล้อมที่หลากหลาย นอกจากนี้ ยังมีการพัฒนาส่วนติดต่อผู้ใช้ (User Interface) ที่ใช้งานง่ายและเป็นมิตรกับผู้ใช้ทุกกลุ่ม รวมถึงการทำวิจัยเชิงคุณภาพเพื่อรับฟังความคิดเห็นและข้อเสนอแนะจากผู้ใช้ทั้งมือใหม่และผู้เชี่ยวชาญ ซึ่งจะนำไปสู่การปรับปรุงและพัฒนาระบบให้ตอบสนองความต้องการของผู้ใช้ได้อย่างแท้จริง ในท้ายที่สุด ผลการวิจัยนี้จะนำไปสู่การพัฒนาต้นแบบระบบควบคุมด้วยการรู้จำท่าทางมือที่มีประสิทธิภาพ ซึ่งสามารถนำไปประยุกต์ใช้ได้จริงในอุตสาหกรรมและการบันเทิง อันจะนำไปสู่การพัฒนานวัตกรรมและเทคโนโลยีใหม่ ๆ ในอนาคต
ในยุคปัจจุบัน เทคโนโลยีโดรน หุ่นยนต์ และเกมดิจิทัลได้เข้ามามีบทบาทสำคัญในชีวิตประจำวันและอุตสาหกรรมต่าง ๆ มากขึ้นอย่างต่อเนื่อง การควบคุมอุปกรณ์เหล่านี้ส่วนใหญ่ยังคงพึ่งพารีโมทคอนโทรล จอยสติก หรืออุปกรณ์ควบคุมเฉพาะทาง ซึ่งอาจมีข้อจำกัดในด้านความยืดหยุ่น ความเป็นธรรมชาติในการใช้งาน และการเข้าถึงสำหรับผู้ใช้บางกลุ่ม เช่น ผู้พิการ หรือผู้สูงอายุ นอกจากนี้ ในสถานการณ์ที่ต้องการความคล่องตัวสูง เช่น การควบคุมโดรนในพื้นที่จำกัด หรือการเล่นเกมที่ต้องการการตอบสนองที่รวดเร็ว การใช้อุปกรณ์ควบคุมแบบดั้งเดิมอาจเป็นข้อจำกัดในการเพิ่มประสิทธิภาพการทำงานหรือประสบการณ์การเล่นเกม การพัฒนาเทคโนโลยีการรู้จำท่าทางมือ (Hand Gesture Recognition) จึงเป็นแนวทางที่มีศักยภาพอย่างสูงในการแก้ไขปัญหาดังกล่าว โดยเทคโนโลยีนี้สามารถช่วยให้ผู้ใช้ควบคุมโดรน หุ่นยนต์ หรือเล่นเกม ฯลฯ เป็นต้น ได้อย่างเป็นธรรมชาติมากขึ้น เพียงแค่ใช้ท่าทางมือที่กำหนดไว้ ซึ่งนอกจากจะเพิ่มความสะดวกสบายและความคล่องตัวในการควบคุมแล้ว ยังช่วยเพิ่มความสามารถในการเข้าถึงเทคโนโลยีสำหรับผู้ใช้ที่มีข้อจำกัดทางร่างกาย อีกทั้งยังเปิดโอกาสให้มีการพัฒนารูปแบบการควบคุมและการเล่นเกมแบบใหม่ ๆ ที่ไม่เคยมีมาก่อน
คณะศิลปศาสตร์
นวัตกรรมนี้ช่วยลดต้นทุนและเพิ่มประสิทธิภาพการจัดการคิวในร้านอาหาร ทำให้ระบบเป็นระเบียบ ลดเวลารอคอย และรองรับลูกค้าได้ดียิ่งขึ้น
คณะแพทยศาสตร์
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
วิทยาเขตชุมพรเขตรอุดมศักดิ์
บทคัดย่อ: เฟรนช์ฟรายกล้วย โครงงานนี้มีวัตถุประสงค์เพื่อศึกษาและพัฒนาผลิตภัณฑ์ เฟรนช์ฟรายกล้วย ซึ่งเป็นของว่างที่นำกล้วยมาทอดในรูปแบบคล้ายเฟรนช์ฟรายส์ เพื่อเพิ่มมูลค่าให้กับกล้วยและสร้างทางเลือกใหม่ให้กับผู้บริโภค การทดลองประกอบด้วยการคัดเลือกสายพันธุ์กล้วยที่เหมาะสม การพัฒนาสูตรแป้งชุบ และการทดสอบรสชาติจากกลุ่มตัวอย่าง ผลการศึกษาพบว่ากล้วยน้ำว้ามีความเหมาะสมที่สุดในการทำเฟรนช์ฟรายกล้วย เนื่องจากมีเนื้อสัมผัสที่แน่นและให้รสหวานตามธรรมชาติ สูตรแป้งชุบที่ดีที่สุดประกอบด้วยแป้งสาลี ไข่ และนม ซึ่งให้ความกรอบนานขึ้น การทดสอบรสชาติพบว่าผู้บริโภคส่วนใหญ่ให้การตอบรับในระดับดีมาก และมีความพึงพอใจต่อรสชาติและเนื้อสัมผัส โครงงานนี้แสดงให้เห็นว่าเฟรนช์ฟรายกล้วยเป็นผลิตภัณฑ์ที่มีศักยภาพในการพัฒนาเป็นของว่างเพื่อสุขภาพและสามารถต่อยอดเป็นผลิตภัณฑ์เชิงพาณิชย์ได้ในอนาคต