ขนมเจลลี่ทางเลือกใหม่ของคนรักสุขภาพ อร่อยง่าย พกพาสะดวก ดีต่อลำไส้ อุดมไปด้วยโพรไบโอติกและพรีไบโอติก มีสารต้านอนุมูลอิสระ และยังมีวิตามินที่จำเป็นต่อร่างกาย เหมาะกับคนที่รัสุขภาพ และผู้ที่แพ้แลคโตสสามารถรับประทานได้ ไม่ใส่แต่งสี และแต่งกลิ่น
เนื่องจากในปัจจุบันผู้คนนิยมหันมารับประทานอาหารที่มีโพรไบโอติกกันจำนวนมาก เช่น การรับประทานคีเฟอร์ แต่การรับประทานคีเฟอร์นมนั้นก็มีรสชาติและสัมผัสที่ทำให้รับประทานได้ยาก พวกเราจึงคิดผลิตภัณฑ์ Muly mul เจลลี่คีเฟอร์นมรสมัลเบอร์รี ที่มาในรูปแบบซอง เนื้อเจลลี่นุ่มละมุน สามารถรับประทานได้ง่าย และสะดวกสบายมากขึ้น Mulylul ตอบโจทย์ต่อผู้บริโภคที่ต้องการหาขนมที่มีประโยชน์ในการรับประทาน โดยMuly Mul เจลลี่คีเฟอร์นมรสมัลเบอร์รีมีทั้งซินไบโอติกซึ่งมีส่วนช่วยในการขับถ่ายโดยการเพิ่มแบคทีเรียที่ดีให้แก่ร่างกาย ช่วยในการลดการอักเสบ กระตุ้นภูมิคุ้มกัน และยังสารต้านอนุมูลอิสระ และวิตามินต่างๆที่จำเป็นต่อร่างกายอีกด้วย นอกจากนี้Muly mul ยังใช้วัตถุดิบจากเกษตรกรในจังหวัดสระบุรี ซึ่งจะช่วยเพิ่มมูลค่าของวัตถุดิบ สนับสนุนเกษตรกรในพื้นที่และยังช่วยยกระดับเศรษฐกิจในท้องถิ่นด้วย
วิทยาลัยเทคโนโลยีและนวัตกรรมวัสดุ
มลพิษจากน้ำมันและคราบไขมันเป็นปัญหาสิ่งแวดล้อมเร่งด่วนที่ส่งผลกระทบต่อระบบนิเวศทางน้ำและป่าชายเลนอย่างรุนแรง โดยเฉพาะในพื้นที่คลองมณีรัตน์ จังหวัดสมุทรสาคร ซึ่งยังไม่มีวิธีการแก้ไขที่มีประสิทธิภาพ งานวิจัยนี้จึงมุ่งพัฒนา "ทุ่นดักจับคราบน้ำมันประสิทธิภาพสูงด้วยเทคโนโลยีซูเปอร์ไฮโดรโฟบิกเมมเบรน" โดยนำดอกธูปฤาษีมาสังเคราะห์เป็นวัสดุเส้นใยนาโนคาร์บอน (Carbon Nanofiber) สำหรับดักจับน้ำมันและคราบไขมัน ร่วมกับการใช้พลาสติก PET จากขยะในป่าชายเลนเป็นวัสดุหลัก แนวทางนี้ไม่เพียงช่วยแก้ปัญหามลพิษทางน้ำ แต่ยังสามารถนำน้ำมันที่ดักจับได้ไปแปรรูปใช้ประโยชน์ต่อได้ อันเป็นแนวทางที่เป็นมิตรต่อสิ่งแวดล้อมและส่งเสริมการใช้ทรัพยากรอย่างยั่งยืน
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
คณะอุตสาหกรรมอาหาร
ในปัจจุบัน การบริโภคโปรตีนจากพืชได้รับความสนใจเพิ่มขึ้น เนื่องจากมีประโยชน์ต่อสุขภาพและช่วยลดผลกระทบต่อสิ่งแวดล้อม งานวิจัยนี้มุ่งศึกษาคุณสมบัติทางกายภาพและเคมีของถั่วลูกไก่และถั่วแดง รวมถึงพัฒนาสูตรเบอร์เกอร์เนื้อเทียมจากพืชที่มีคุณลักษณะใกล้เคียงกับเบอร์เกอร์จากเนื้อสัตว์ ในด้านรสชาติ เนื้อสัมผัส และคุณค่าทางโภชนาการ การทดลองประกอบด้วยการให้ความร้อนโดยการนึ่ง และวิเคราะห์คุณสมบัติทางกายภาพและเคมี ได้แก่ ค่าเนื้อสัมผัส (Texture) ค่าสี (Color) ค่า Water Activity (aW) ค่าความเป็นกรด-ด่าง (pH) และค่าการอุ้มน้ำและอุ้มน้ำมัน นอกจากนี้ ยังมีการทดสอบทางประสาทสัมผัสเพื่อประเมินความพึงพอใจของผู้บริโภค ผลการศึกษาคาดว่าจะช่วยพัฒนาสูตรเบอร์เกอร์พืชที่มีคุณภาพสูงและสามารถเป็นทางเลือกที่ดีสำหรับผู้บริโภคที่ต้องการลดการบริโภคเนื้อสัตว์ได้