This project presents the development of an automatic recycling machine for plastic bottles and cans, utilizing Machine Learning for packaging classification through image processing, integrated with smart sensor systems for quality inspection and operation control. The system connects to a Web Application for real-time monitoring and control. Once the packaging type is verified, the system automatically calculates the refund value and processes payment through e-wallet or issues cash vouchers. The system can be installed in public spaces to promote waste segregation at source, reduce contamination, and increase recycling efficiency. It also provides financial incentives to encourage public participation in waste management. This project demonstrates the potential of combining Machine Learning and smart sensor systems in developing accurate, convenient, and sustainable waste management solutions.
ปัจจุบันปัญหาขยะเป็นหนึ่งในปัญหาสิ่งแวดล้อมที่มีผลกระทบต่อทั้งมนุษย์และธรรมชาติ โดยเฉพาะอย่างยิ่งการจัดการขยะพลาสติกและกระป๋องที่ยังคงเป็นปัญหาหลักในการรีไซเคิล ขยะเหล่านี้มักจะถูกทิ้งในสถานที่ไม่เหมาะสม หรือถูกแยกประเภทผิด ทำให้กระบวนการรีไซเคิลไม่สามารถทำได้อย่างมีประสิทธิภาพและเต็มที่ นอกจากนี้การคัดแยกขยะจากต้นทางยังไม่เป็นที่นิยมและยังขาดระบบที่มีความสะดวกสบายและเข้าถึงง่ายสำหรับประชาชนทั่วไป ในปัจจุบันมีการพัฒนาเทคโนโลยีที่ช่วยในกระบวนการคัดแยกขยะ โดยเฉพาะการใช้ Machine Learning และระบบเซนเซอร์อัจฉริยะในการจำแนกประเภทบรรจุภัณฑ์ผ่านการประมวลผลภาพ ซึ่งมีศักยภาพในการเพิ่มประสิทธิภาพของกระบวนการคัดแยกขยะและลดข้อผิดพลาดจากการแยกประเภทขยะที่ไม่ถูกต้อง นอกจากนี้ยังสามารถสร้างแรงจูงใจให้ประชาชนมีส่วนร่วมในการจัดการขยะได้ผ่านการให้ผลตอบแทนทางการเงิน เช่น การจ่ายเงินผ่าน e-wallet หรือออกคูปองแลกเงินสด โครงงานนี้จึงมีความสำคัญในการนำเทคโนโลยี Machine Learning และระบบเซนเซอร์อัจฉริยะมาประยุกต์ใช้ในการพัฒนาระบบตู้รับซื้ออัตโนมัติที่สามารถคัดแยกและรีไซเคิลขวดพลาสติกและกระป๋องได้อย่างมีประสิทธิภาพและสะดวกสบาย สร้างแรงจูงใจในการรีไซเคิลและมีส่วนช่วยในการแก้ไขปัญหาขยะในระดับสาธารณะ
คณะแพทยศาสตร์
This study explores the application of deep convolutional neural networks (CNNs) for accurate pill identification, addressing the limitations of traditional human-based methods. Using a dataset of 1,250 images across 10 household remedy drugs, various CNN architectures, including YOLO models, were tested under different conditions. Results showed that natural lighting was optimal for imprinted pills, while a lightbox improved detection for plain pills. The YOLOv5-tiny model demonstrated the best detection accuracy, and efficientNet_b0 achieved the highest classification performance. While the model showed strong results, its generalization is limited by sample size and drug variability. Nonetheless, this approach holds promise for enhancing medication safety and reducing errors in outpatient care.
คณะวิศวกรรมศาสตร์
This research aims to develop a portable prototype device for non-invasive blood glucose and vital sign monitoring, integrating Near-Infrared Spectroscopy (NIR) with biosensor systems and Artificial Intelligence (AI)-based data analysis. The device addresses the limitations of conventional blood-drawing methods that are impractical for elderly patients and those in remote areas. Designed to be user-friendly, low-cost, and capable of real-time result display, the device is intended for use in community-based healthcare settings such as local clinics and sub-district health promotion hospitals, with strong potential for future commercial development.
คณะบริหารธุรกิจ
In an era where sustainability is at the heart of business operations, eco-friendly packaging is gaining increasing attention. This research explores sustainable business models for alternative packaging, focusing on the case of corn-based paper, an innovation that effectively replaces conventional plastic packaging. The study analyzes key factors that enable businesses using natural raw materials to remain competitive in the market, as well as the growth potential of sustainable packaging compared to plastic-based alternatives. Additionally, it examines the factors influencing consumer behavior in choosing eco-friendly products and evaluates the impact on profitability and social responsibility. This research employs both qualitative and quantitative methods, including case studies of businesses utilizing alternative materials, in-depth interviews with industry experts, and consumer behavior surveys. The findings are expected to provide insights into the business potential of corn-based packaging, strategies for market expansion, and approaches for long-term sustainability. The results of this study will serve as a valuable reference for entrepreneurs seeking to develop green businesses and policymakers aiming to promote sustainable packaging in the market.