โครงการนี้ได้สร้างระบบดูแลต้นไม้ในหอพักผ่านระบบ IoT ( Internet of Things ) โดยการพัฒนาโปรแกรมผ่านบอร์ด ESP-32 ควบคุมการรดน้ำต้นไม้อัตโนมัติ โดยสั่งการผ่าน สมาร์ทโฟน สามารถใช้งานระบบปฏิบัติการทั้ง iOS และ Android โครงการนี้จะช่วยให้การปลูกต้นไม้ในหอพักเป็นเรื่องง่ายและสะดวกมากยิ่งขึ้น
ในปัจจุบันหลายพื้นที่ในเมืองมีความหนาแน่นของประชากรสูง เช่นหอพัก คอนโดมิเนียม หรือ อพาต์เม้น มักมีพื้นที่จำกัดสำหรับการปลูกต้นไม้ซึ่งเป็นไปใจในการสร้างสภาพแวดล้อมที่ดีและสุขภาพที่ดีให้กับผู้อยู่อาศัย การสร้างแอพพลิเคชันปลูกต้นไม้นี้ขึ้นมาเพื่อให้ผู้อาศัยสามารถปลูกต้นไม้ได้ในพื้นที่จำกัดและสามารถดูแลต้นไม้ได้เหมาะกับคนรุ่นใหม่ที่ไม่มีเวลาในการดูแลต้นไม้ก็สามารถปลูกพืชได้ซึ่งแอพพลิเคชันนี้ได้ออกแบบเพื่อให้ผู้ใช้งานสามารถเลือกต้นไม้ที่เหมาะสมกับพื้นที่จำกัดและมีคำแนะนำสำหรับการดูแลต้นไม้แก่ผู้ที่สนใจหรือต้องการศึกษา ด้วยความสำคัญดังกล่าว แอพพลิเคชันปลูกต้นไม้นี้ไม่เพียงแต่อำนวยความสะดวกให้กับผู้ใช้งานแต่ยังเป็นการสนับสนุนการพัฒนาที่ยั่งยืนและเต็มไปด้วยพื้นที่สีเขียว
วิทยาเขตชุมพรเขตรอุดมศักดิ์
ทุเรียนเป็นพืชเศรษฐกิจสำคัญของประเทศไทยที่ได้รับผลกระทบจากโรคทางใบ เช่น โรคใบสนิม ใบไหม้ และใบจุด ซึ่งส่งผลให้คุณภาพผลผลิตลดลงและเพิ่มต้นทุนการจัดการ งานวิจัยนี้มุ่งเน้นการพัฒนาซอฟต์แวร์ AI สำหรับตรวจคัดกรองโรคใบทุเรียน โดยประยุกต์ใช้เทคโนโลยีการเรียนรู้เชิงลึกในการจำแนกชนิดของรอยโรคในใบทุเรียน
คณะเทคโนโลยีสารสนเทศ
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
คณะเทคโนโลยีการเกษตร
การทดลองนี้มีวัตถุประสงค์เพื่อศึกษาสูตรสารเคลือบที่เหมาะสมสำหรับมะม่วงน้ำดอกไม้สีทอง โดยใช้กัมอารบิก (GA) 10% ร่วมกับสารสกัดจากเปลือกมังคุด (MPE) ในความเข้มข้นต่างๆ (1%, 3%, 5%) เปรียบเทียบกับชุดควบคุม (น้ำกลั่น) ภายใต้การเก็บรักษาที่อุณหภูมิห้อง 14 วัน ผลการทดลองพบว่า การเคลือบผิวด้วย GA 10% ร่วมกับ MPE สามารถลดการเปลี่ยนแปลงสีของเนื้อผล ลดการเกิดโรค และคงความแน่นเนื้อได้ดี นอกจากนี้ยังช่วยชะลอการเปลี่ยนแปลงของ TSS, TA, วิตามินซี, แคโรทีนอยด์ และฟีนอลิก โดยเฉพาะสูตรที่ใช้ GA 10% + MPE 1% มีประสิทธิภาพสูงสุดในการยืดอายุการเก็บรักษาและเพิ่มความเงางามของผลมะม่วง