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
คณะบริหารธุรกิจ
งานวิจัยนี้เป็นการพัฒนาชาจากเปลือกและเมล็ดของลำไย ประชากรที่ใช้ในการศึกษาครั้งนี้ได้แก่ เกษตรกรผู้ปลูกและแปรรูปผลิตภัณฑ์จากลำไย ในอำเภอวังน้ำเย็น จังหวัดสระแก้ว ผลการศึกษาพบว่าจากกระบวนการผลิตลำไยอบแห้ง จะมีผลิตภัณฑ์ผลพลอยได้คือเปลือกและเมล็ดลำไย ซึ่งสามารถนำมาแปรรูปเป็นชาผงสำเร็จรูปพร้อมดื่มได้ ซึ่งนอกจากจะช่วยลดการเกิดขยะจากกระบวนการผลิต ยังมีส่วนช่วยสร้างรายได้จากผลิตภัณฑ์ผลพลอยได้ดังกล่าวเพิ่มอีกช่องทางหนึ่ง
คณะแพทยศาสตร์
งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาระบบโครงข่ายประสาทเทียมแบบคอนโวลูชัน (Deep Convolutional Neural Networks - CNNs) สำหรับการระบุเม็ดยาอย่างแม่นยำ เพื่อแก้ไขข้อจำกัดของการพิสูจน์เอกลักษณ์เม็ดยาด้วยทรัพยากรมนุษย์ โดยใช้ข้อมูลรูปภาพจำนวน 1,250 ภาพ จากยาสามัญประจำบ้าน 10 ชนิด นำมาทดสอบกับโมเดล YOLO ที่แตกต่างกันภายใต้เงื่อนไขต่างๆ ผลการทดลองพบว่า การใช้แสงธรรมชาติให้ผลดีกว่าเมื่อทดสอบด้วยระบบโครงข่ายประสาทเทียมแบบคอนโวลูชัน เมื่อเปรียบเทียบกับแสงจากกล่องสตูดิโอ นอกจากนี้ โมเดล YOLOv5-tiny แสดงความแม่นยำสูงสุดในการตรวจจับเม็ดยา ขณะที่โมเดล EfficientNet_b0 ให้ผลลัพธ์ดีที่สุดในการจำแนกเม็ดยา แม้ว่าระบบโครงข่ายประสาทเทียมแบบคอนโวลูชันที่พัฒนาขึ้นนี้จะให้ผลลัพธ์ที่น่าพึงพอใจ แต่ยังมีข้อจำกัดในเรื่องชนิดของเม็ดยาและจำนวนภาพที่ใช้ในการศึกษา อย่างไรก็ตาม งานวิจัยนี้มีศักยภาพในการส่งเสริมความปลอดภัยในการใช้ยาทั้งในระบบสาธารณสุขและผู้ป่วยนอก รวมถึงลดปัญหาที่อาจเกิดขึ้นจากการใช้ยาผิดพลาด
คณะบริหารธุรกิจ
ปัจจุบันปัญหาที่จอดรถในเขตเมืองเป็นปัจจัยสำคัญที่ส่งผลต่อความแออัดของจราจร การบริหารพื้นที่ และสิ่งแวดล้อม ระบบจอดรถอัตโนมัติ (Automated Parking System: APS) เป็นนวัตกรรมที่ช่วยเพิ่มประสิทธิภาพในการใช้พื้นที่ ลดระยะเวลาค้นหาที่จอด และลดการปล่อยก๊าซเรือนกระจก งานวิจัยนี้ศึกษาพฤติกรรมและปัจจัยที่ส่งผลต่อการยอมรับเทคโนโลยี APS โดยใช้กรอบแนวคิด UTAUT2 และตัวแปรสำคัญ เช่น ความคาดหวังด้านประสิทธิภาพ (Performance Expectancy), ความง่ายในการใช้งาน (Effort Expectancy), อิทธิพลทางสังคม (Social Influence), ความเชื่อมั่นในเทคโนโลยี (Trust in Technology) และจิตสำนึกด้านสิ่งแวดล้อม (Environmental Consciousness) โดยโครงการ APS Evolution นำเสนอโซลูชันการจอดรถอัจฉริยะที่ช่วยเพิ่มประสิทธิภาพการใช้พื้นที่ ลดผลกระทบต่อสิ่งแวดล้อม และสร้างประสบการณ์การใช้งานที่ดีขึ้นสำหรับผู้ใช้ในเมือง โดยมุ่งเน้น การพัฒนาเทคโนโลยีที่ตอบโจทย์พฤติกรรมผู้ใช้และการบริหารจัดการเมืองอัจฉริยะ