Artificial intelligence for agriculture and environment is a collection of significant models for enviromental friendly Thailand development. The models create with machine learning and deep learning by Near infrared spectroscopy research center for agricultural and food products, including: Determining the nutrient needs (N P K) of durian trees by measuring durian leaves using a non-destructive technique using artificial intelligence, Identification of combustion properties of biomass from fast-growing trees and agricultural residues using non-destructive techniques combined with artificial intelligence, and Evaluation of global warming due to biomass combustion using non-destructive techniques using artificial intelligence. The basic technology used is Near infrared Fourier transform spectroscopy technology which measurement and output display can be done quickly without chemical, no requirement for special expert, and measurement price per sample is very low. But the instrument cannot be produced in Thailand.
ความเจริญก้าวหน้าทางวิชาการจะเป็นจริงเมื่อผลงานทางวิชาการถูกนำไปใช้ได้จริงในระบบการผลิตซึ่งมีนัยสำคัญทางเศรษฐกิจของประเทศ จึงได้นำผลงานของนักศึกษาและคณาจารย์ของศูนย์วิจัยเนียร์อินฟราเรดสเปกโทรสโกปีสำหรับผลิตผลเกษตรและอาหาร มานำเสนอในงานจัดแสดงนวัตกรรม KMITL Innovation Expo 2025 ในวันพฤหัสบดี 6 ถึง วันเสาร์ 8 มีนาคม 2568 ณ หอประชุมเจ้าพระยาสุรวงษ์ไวยวัฒน์ (วร บุนนาค) สจล. ซึ่งเป็นโอกาสดีของศูนย์วิจัยเนียร์อินฟราเรดสเปกโทรสโกปีสำหรับผลิตผลเกษตรและอาหารในการเปิดเผยผลงานทางวิชาการสำคัญซึ่งมีแนวโน้มสามารถนำไปใช้ได้จริงต่อสังคมเกษตรกรรมและสิ่งแวดล้อมเพื่อการพัฒนาประเทศ
คณะเทคโนโลยีการเกษตร
This project involves the development of a plant care system for dormitories using IoT (Internet of Things). The system is implemented through programming on an ESP-32 board and controlled via sensors for automated watering. The commands are operated through smartphones, supporting both iOS and Android. It is expected that this project will make plant care in dormitories easier and more convenient.
คณะวิศวกรรมศาสตร์
This thesis presents the application of deep learning for object classification. The selected deep learning architectures studied include Convolutional Neural Networks (CNN) and ResNet18. It covers data preparation, feature extraction, parameter tuning for accuracy comparison, and performance evaluation of the selected models. The aim is to propose an efficient model for use in devices that assist visually impaired individuals in classifying indoor objects and providing sound alerts.
คณะวิศวกรรมศาสตร์
This project aims to design and develop an electric tuk-tuk by converting the traditional combustion engine system to an electric system, supporting the reduction of air pollution and promoting sustainable automotive technology. The electric tuk-tuk is designed using a BLDC electric motor and a control system specifically adapted for the unique driving style of three-wheeled vehicles in Thailand. The study considers suitable energy systems and includes interviews with traditional tuk-tuk drivers to ensure the vehicle meets everyday usability needs. The findings suggest that adopting electric tuk-tuks not only reduces emissions and PM2.5 particulate matter but also enhances an eco-friendly image for Thailand’s tourism sector while supporting domestic innovation and economic growth.