งานวิจัยนี้เป็นการออกแบบและสร้างเครื่องต้นแบบระบบปัญญาประดิษฐ์ของสรรพสิ่งสำหรับติดตามและควบคุมการให้น้ำพืชโดยใช้ข้อมูลสภาพอากาศ โดยระบบประกอบไป 4 ส่วนสำคัญ คือ ส่วนที่ 1 สถานีตรวจวัดสภาพอากาศ (Weather Station) ประกอบไปด้วยเซ็นเซอร์ต่าง ๆ เช่น อุณหภูมิอากาศ ความชื้นสัมพัทธ์ ความเร็วลม และความยาวนานของแสง เป็นต้น ส่วนที่ 2 หน่วยประมวลผล (Controller Unit) โดยจะมีการติดตั้งอัลกอริทึมหรือแบบจำลองการเรียนรู้ของเครื่องเพื่อใช้ประเมินค่าการคายระเหยน้ำของพืชอ้างอิง (ETo) และจะใช้คำนวณร่วมกับค่าสัมประสิทธิ์การใช้น้ำของพืชนั้น ๆ (Crop Coefficient: Kc) และข้อมูล อื่น ๆ เกี่ยวกับพืชนั้น ๆ เพื่อประเมินปริมาณการใช้น้ำตามความต้องการของพืชโดยอัตโนมัติ ส่วนที่ 3 ส่วนติดต่อผู้ใช้งานและหน้าจอแสดงผล (User Interface (UI) and Display) เป็นส่วนที่ให้เกษตรกรหรือผู้ใช้งานสามารถป้อนข้อมูลเกี่ยวกับชนิดของพืช ชนิดของดินที่ปลูก ประเภท ของระบบการให้น้ำ จำนวนหัวจ่ายน้ำ ระยะปลูก และช่วงการเจริญเติบโตของพืช เป็นต้น และส่วนที่ 4 หน่วยควบคุมและหัวจ่ายน้ำ (Irrigation Unit)
การเปลี่ยนแปลงสภาพอากาศของโลกทวีความรุนแรงขึ้นอย่างต่อเนื่อง สถานการณ์ดังกล่าวส่งผลกระทบ โดยตรงต่อภาคการเกษตร โดยเฉพาะในประเทศไทยที่มีแนวโน้มเผชิญกับปัญหาการขาดแคลนน้ำและความ ผันผวนของปริมาณน้ำฝน ซึ่งส่งผลต่อทั้งปริมาณและคุณภาพของผลผลิตทางการเกษตรโดยตรง ทั้งนี้ การบริหารจัดการน้ำในภาคเกษตรกรรมของประเทศไทยยังคงเผชิญกับข้อจำกัดหลายประการ เกษตรกรส่วนใหญ่ยังคงพึ่งพาประสบการณ์ส่วนตัวในการให้น้ำพืช ซึ่งอาจนำไปสู่การใช้น้ำที่ไม่มีประสิทธิภาพ เช่น การให้น้ำมากเกินความจำเป็นหรือน้อยเกินไปจนส่งผลกระทบต่อผลผลิต หรืออาจนำไปสู่ปัญหา เช่น การแตกใบอ่อน การร่วงของดอก และมีผลผลิตที่ไม่ได้คุณภาพ (Togneri et al., 2023) ในขณะที่ข้อมูลทาง วิชาการที่สามารถช่วยให้การบริหารจัดการน้ำมีความแม่นยำขึ้น เช่น ค่าอัตราการใช้น้ำของพืชอ้างอิง (Evapotranspiration: ETo) และค่าสัมประสิทธิ์พืช (Kc) กลับเข้าถึงได้ยาก เนื่องจากมีความซับซ้อนในการ คำนวณ อีกทั้งข้อมูลที่มีอยู่มักเป็นข้อมูลเฉลี่ยรายจังหวัดซึ่งไม่สามารถนำไปใช้ได้อย่างมีประสิทธิภาพในระดับ ฟาร์ม โครงการนี้จึงมุ่งเน้นไปที่การพัฒนาระบบปัญญาประดิษฐ์สำหรับการติดตามและควบคุมการให้น้ำพืชอัจฉริยะ โดยอิงข้อมูลสภาพอากาศซึ่งจะช่วยแก้ไขข้อจำกัดของเกษตรกรไทยในการเข้าถึงข้อมูลที่ ถูกต้องและการบริหารจัดการน้ำที่แม่นยำ
คณะเทคโนโลยีการเกษตร
ปลาทรายแดงเป็นปลาที่มีความสำคัญทางเศรษฐกิจสามารถพบเจอได้จากการทำประมงทั้งฝั่งอ่าวไทยและอันดามันและมีราคาถูก อีกทั้งในปัจจุบันการบริโภคปลาดิบแบบซาชิมิได้รับความนิยมเพิ่มมากขึ้นในประเทศไทย จึงต้องมีการส่งเสริมการบริโภคเพื่อเพิ่มมูลค่าให้กับปลาทรายแดง การศึกษานี้ได้ศึกษาวิธีการรักษาสภาพปลาทรายแดง (N. furcosus) เพื่อการบริโภคแบบดิบหรือซาชิมิ โดยการรักษาสภาพปลาทรายแดงประกอบไปด้วยการฆ่าปลาแบบ Ikejime (K) และ น็อคด้วยน้ำทะเลเย็น (S) และเก็บรักษาปลาแบบผ่าท้อง (G) และทั้งตัว (W) และเก็บรักษาไว้ 3 วัน ด้วยน้ำแข็ง (I) หรือตู้เย็น (F) ประเมินคุณภาพความสดของปลาทรายแดงด้วยวิธีทางประสาทสัมผัส, ทางเคมีกายภาพ (TVB-N, TMA-N และ pH) ดัชนีความสด (Ki-value) และทางจุลชีววิทยา พบว่าหลังจากเก็บรักษาไว้นาน 3 วัน ปลาทรายแดงกลุ่ม KGF มีคะแนนทางประสาทสัมผัสโดยรวมมากที่สุด คือ 8.36±0.80 คะแนน และปลาทรายแดงกลุ่ม KWI, SWI และ SWF มีคะแนนทางประสาทสัมผัสโดยรวมน้อยที่สุด คือ 8.13±0.77, 8.13±0.77 และ 8.13±0.81 คะแนน ตามลำดับ และคะแนนทางประสาทสัมผัสโดยรวมของปลาทุกกลุ่มการทดลองเพิ่มขึ้นอย่างมีนัยสำคัญทางสถิติ (p<0.05) ค่าTVB-N ของปลาทรายแดงกลุ่ม KGF มีค่า TVB-N น้อยที่สุด คือ 1.37±0.93 มิลลิกรัมไนโตรเจน/ตัวอย่าง 100 กรัม ปลาทรายแดงกลุ่ม SGI มีค่า TVB-N มากที่สุด คือ 2.36±1.15 มิลลิกรัมไนโตรเจน/ตัวอย่าง 100 กรัม และ TVB-N ของปลาทุกกลุ่มการทดลองเพิ่มขึ้นอย่างมีนัยสำคัญทางสถิติ (p<0.05) ค่า TMA-N ของปลาทรายแดงกลุ่ม KGF มีค่า TMA-N น้อยที่สุด คือ 1.56±0.88 มิลลิกรัมไนโตรเจน/ตัวอย่าง 100 กรัม ปลาทรายแดง กลุ่ม SWF มีค่า TMA-N มากที่สุด คือ 2.17±1.22 มิลลิกรัมไนโตรเจน/ตัวอย่าง 100 กรัม และ TMA-N ของปลาทุกกลุ่มการทดลองเพิ่มขึ้นอย่างมีนัยสำคัญทางสถิติ (p<0.05) ค่า pH ของปลาทรายแดงกลุ่ม KGF มีค่า pH น้อยที่สุด คือ 6.40±0.12 ปลาทรายแดงกลุ่ม SWF มีค่า pH มากที่สุด คือ 6.78±0.25และ pH ของปลาทุกกลุ่มการทดลองเพิ่มขึ้นอย่างมีนัยสำคัญทางสถิติ (p<0.05) Ki value ของปลาทรายแดงกลุ่ม KGF มีค่า Ki value น้อยที่สุด คือ 9.05±0.73% ปลาทรายแดงกลุ่ม KWI มีค่า Ki value มากที่สุด คือ 12.88±4.19% และ Ki value ของปลาทุกกลุ่มการทดลองเพิ่มขึ้นอย่างไม่มีนัยสำคัญทางสถิติ (p>0.05) และ คุณภาพความสดทางด้านจุลชีววิทยาพบว่าในปลาทรายแดงทุกกลุ่มการทดลองพบจุลินทรีย์ชนิด Salmonella spp., S. aureus, B. cereus, C. perfringens และ E. coli และจุลินทรีย์ทุกชนิดของปลาทรายแดงทุกกลุ่มเพิ่มขึ้นอย่างมีนัยสำคัญทางสถิติ (p<0.05) โดยเมื่อนำมาเปรียบเทียบกับเกณฑ์คุณภาพความสดทั้งทางด้านประสาทสัมผัส เคมีกายภาพ ดัชนีความสดและจุลชีววิทยาพบว่าปลาทรายแดงทุกกลุ่มมีความสดมากและเหมาะสมต่อการบริโภคแบบดิบในระหว่างการรักษาสภาพและเก็บรักษาไว้นาน 3 วัน หลังจากการเก็บรักษาไว้นาน 3 วัน ควรบริโภคปลาทรายแดงแบบปรุงสุกเนื่องจากคุณภาพความสดของปลาไม่เหมาะสมต่อการนำมาบริโภคแบบดิบจากการเพิ่มขึ้นของค่าพารามิเตอร์ต่างๆ ซึ่งการเพิ่มขึ้นของค่าพารามิเตอร์ต่างๆมีผลมาจากการเสื่อมสภาพของปลาและกิจกรรมจากจุลินทรีย์ ดังนั้นปลาทรายแดงเหมาะสมที่จะมีการส่งเสริมให้มีการบริโภคแบบดิบในระยะเวลาการเก็บรักษาภายใน 3 วัน อีกทั้งการรักษาสภาพปลาโดยเฉพาะวิธี Ikejime แล้วผ่าท้องและเก็บรักษาไว้ในตู้เย็น สามารถช่วยให้ปลามีคุณภาพความสดที่ดีมากยิ่งขึ้น ซึ่งผลการศึกษานี้สามารถนำไปพัฒนาเทคนิคในการรักษาสภาพปลาที่เกิดขึ้นหลังการจับให้กับชาวประมงและสามารถส่งเสริมให้มีการเพิ่มมูลค่าปลาทรายแดงได้ในอนาคต
คณะอุตสาหกรรมอาหาร
The study investigated the extraction of astaxanthin-rich oil from shrimp waste biomass, a valuable byproduct rich in functional lipids and proteins. Wet rendering has long been an inexpensive method to extract oil, however the high temperatures and long cooking times negatively affect the amount of astaxanthin. On the other hand, the study looked into employing deep eutectic solvent as a green solvent and combining a wet rendering process with high-shear homogenization and high-frequency ultrasound-assisted extractions. DES-UAE at 60% amplitude and wet rendering at 60 °C were found to be the ideal conditions, as were DES-HAE at 13,000 rpm and wet rendering at 60 °C. With a notable increase in oil yields of 16.80% and 20.12%, respectively, and improved oil quality (lower acid and peroxide values) in comparison to the conventional wet rendering, experimental validation validated the effectiveness of the DES-HAE and DES-UAE procedures. DES-UAE notably raised the amount of astaxanthin. This study demonstrates that DES-HAE and DES-UAE are quicker, lower-temperature substitutes for obtaining premium, astaxanthin-rich shrimp oil, resulting in more effective use of this priceless byproduct.
คณะวิทยาศาสตร์
โครงงานนี้มุ่งเน้นการศึกษาและพัฒนาระบบการลงทุนระยะสั้นโดยซื้อขายทองคำในตลาดแลกเปลี่ยนเงินตราต่างประเทศ โดยประยุกต์ใช้เทคนิคการเรียนรู้ของเครื่อง (Machine Learning) เพื่อวิเคราะห์และคาดการณ์แนวโน้มของกราฟราคา ระบบที่พัฒนานี้ใช้กระบวนการเฟ้นสุ่ม (Stochastic Process) ในการกำหนดจุดตัดขาดทุน (Stop Loss) เพื่อเพิ่มค่าผลตอบแทนที่คาดหวังสูงสุด และใช้แนวคิดจากทฤษฎีเกม (Game Theory) ในการตัดสินใจเกี่ยวกับการถือครองหรือปิดคำสั่งซื้อขาย (Orders) ระบบดังกล่าวถูกพัฒนาและทดสอบบนแพลตฟอร์ม MetaTrader 5 (MT5) โดยโครงงานนี้นำเสนอรายละเอียดเกี่ยวกับกระบวนการทำงาน ตั้งแต่การเตรียมข้อมูล การฝึกสอนโมเดลเรียนรู้ของเครื่อง การสร้างแบบจำลองเพื่อประมาณการแจกแจงของทิศทางราคาทองคำ การกำหนดกลยุทธ์การวางจุดตัดขาดทุน การออกแบบแบบจำลองการตัดสินใจเชิงกลยุทธ์ตามทฤษฎีเกม ตลอดจนการพัฒนาโปรแกรมเทรดอัตโนมัติ และการทดสอบย้อนหลังเพื่อประเมินประสิทธิภาพของระบบ