โครงการนี้มีเป้าหมายเพื่อ ตรวจจับและจำแนกประเภทของรอยร้าวบนผนัง โดยใช้ AI และการประมวลผลภาพ ผู้ใช้สามารถ อัปโหลดรูปภาพ และระบบจะ วิเคราะห์ประเภทและความรุนแรงของรอยร้าว โมเดลที่ใช้คือ ResNet-50 ซึ่งมีความแม่นยำ 70.59% การปรับแต่งข้อมูลและการเพิ่มข้อมูลช่วยให้การตรวจจับแม่นยำขึ้น เครื่องมือนี้ช่วย ป้องกันความเสียหายทางโครงสร้าง โดยให้คำแนะนำเบื้องต้นสำหรับการบำรุงรักษา
รอยร้าวบนผนังอาจส่งผลต่อ ความปลอดภัยของอาคาร แต่การตรวจสอบยังต้องพึ่ง ผู้เชี่ยวชาญ โครงงานนี้จึงพัฒนา ระบบ AI เพื่อตรวจจับและจำแนก รอยร้าวอัตโนมัติ ผ่าน การประมวลผลภาพ ช่วยให้ ประเมินเบื้องต้นได้ง่าย ลดค่าใช้จ่าย และส่งเสริม การบำรุงรักษาเชิงป้องกัน
คณะวิทยาศาสตร์
งานวิจัยนี้เป็นการศึกษาการผลิตน้ำมันไพโรไลซิสจากขยะพลาสติกฝังกลบที่ผ่านการคัดแยกจากหลุมฝังกลบขยะมูลฝอยอายุ 15 ปี จากองค์การบริหารส่วนจังหวัดนนทบุรี เพื่อนำมาผลิตเป็นเชื้อเพลิงทดแทนด้วยเตาปฏิกรณ์แบบเบดนิ่ง (Fixed-Bed Reactor) ที่อุณหภูมิ 450 องศาเซลเซียส ระยะเวลา 1 ชั่วโมง 30 นาที โดยใช้ก๊าซปิโตรเลียมเหลว (LPG) เป็นเชื้อเพลิงในการให้ความร้อน มีการออกแบบการทดลองออกเป็น 4 สภาวะ คือ ตัวอย่างขยะพลาสติกฝังกลบที่ยังไม่ผ่านการล้างแต่ทำการตัดลดขนาด ตัวอย่างขยะพลาสติกฝังกลบที่ผ่านการล้างและตัดลดขนาด ตัวอย่างขยะพลาสติกฝังกลบที่ยังไม่ผ่านการล้างและตัดลดขนาด และตัวอย่างขยะพลาสติกฝังกลบยังไม่ผ่านการล้างแต่ทำการตัดลดขนาด และใช้ถ่านกัมมันต์เป็นตัวเร่งปฏิกิริยา พบว่าผลิตภัณฑ์ที่ได้มีทั้งหมด 3 ประเภท คือ น้ำมัน (Py-oil) ถ่าน (Char) และก๊าซ (Gas) ในปริมาณที่แตกต่างกันออกไป นอกจากนี้ยังมีการเปรียบเทียบลักษณะและคุณภาพของน้ำมันไพโรไลซิสจากขยะพลาสติกฝังกลบ ได้แก่ ค่าความเป็นกรด-ด่าง (pH) ค่าความร้อน (Heating Value) ค่าความชื้น (Moisture content) เถ้า (Ash) และหมู่ฟังก์ชั่น (Functional group) รวมไปถึงองค์ประกอบทางเคมี โดยใช้การอ้างอิงมาตรฐานน้ำมันเตาตามประกาศกรมธุรกิจพลังงานเป็นเกณฑ์ ผลการวิเคราะห์ ที่ได้จึงสามารถอธิบายได้ว่าน้ำมันจากการไพโรไลซิสขยะพลาสติกฝังกลบในสภาวะใดที่มีความเหมาะสมและมีความคุ้มค่ากับการนำมาผลิตเชื้อเพลิงทดแทนน้ำมันเตาที่มีการใช้ในภาคอุตสาหกรรมได้ งานวิจัยนี้เป็นอีกหนึ่งแนวทางเลือกที่ช่วยในการจัดการขยะพลาสติกในบ่อฝังกลบให้มีปริมาณลดน้อยลง โดยเปลี่ยนขยะมูลฝอยให้เป็นเชื้อเพลิงทดแทนที่นำไปใช้ประโยชน์ได้จริง
คณะวิศวกรรมศาสตร์
การประเมินผลผลิตของผลมะม่วง และพฤติกรรมของผู้บริโภคที่มีความตระหนักถึงที่มาของผลผลิตมากยิ่งขึ้น ต้องการตรวจสอบย้อนกลับถึงที่มาของผลผลิตว่าผลผลิตนั้นๆได้รับการดูแลมาอย่างไรผ่านการระบุตำแหน่งของผลนั้นๆ ความเกี่ยวเนื่องกันถึงลักษะของผลผลิตที่เป็นผลมาจากวิธีการดูแลผลหรือต้นของผลผลิตในขณะที่ยังไม่ถูกเก็บเกี่ยว ดังนั้นเพื่อสร้างแบบจำลองที่สามารถตรวจจับและระบุตำแหน่งของผลมะม่วง โดยใช้ภาพถ่าย 2 มิติ ด้วยวิธีการ Deep Learning Model และเพื่อศึกษาเทคนิคการระบุพิกัดของผลมะม่วงในโลกจริงจากภาพภาพ 2 มิติ มีการใช้โมเดล YOLOv8 เพื่อ Object detection ร่วมกับเทคนิคการสอบเทียบกล้อง (Camera Calibration) และ Triangulation เพื่อหาตำแหน่ง 3 มิติ ของผลมะม่วงในภาพที่ถูกตรวจจับได้ จากการทำการทดลองหาตำแหน่งทั้งหมด 125 ครั้ง ที่มีการสุ่มค่าตำแหน่งของผลมะม่วง และตำแหน่งของกล้องที่มีมุม Yaw และ Pitch ที่แตกต่างกัน โดยการใช้ค่า Parameter จากรูปที่ถ่ายถัดไปมาเปรียบเทียบกันเพื่อหาตำแหน่งจริง 3 มิติ ที่ได้ผลความถูกต้องที่..... จากการใช้โมเดล YOLOv8 ที่มีค่าทำนาย Precision, Recall, mAP50, mAP50-95 และ F1-Score ได้แก่ 0.928, 0.901, 0.965, 0.785 และ 0.914 ตามลำดับ ซึ่งมีความแม่นยำที่มากพอเพื่อทำนายตำแหน่งของผลมะม่วงที่มีความคลาดเคลื่อนประมาณ 38 เซนติเมตร
คณะเทคโนโลยีการเกษตร
โครงงานสวนสาธารณะ : เเอนเซียนท์ ซี ปาร์ค เป็นสวนสาธารณะเเห่งใหม่ที่อ่างศิลา จังหวัดชลบุรี สร้างเพื่อการเรียนรู้เเละการท่องเที่ยว ในเเนวคิดท้องทะเลเมื่อ65ปีก่อน