LOOK!โครงงานจบระดับปริญญาตรีที่ใช้โจทย์จากชีวิตจริง มาพัฒนาด้วยAi 2025 ด้านการแพทย์&การเกษตร Mahidol
ในปีนี้ MVIT Lab เรา มีนักศึกษาทั้งหลังสูตร ICT และ DST รวม3 กลุ่ม ที่สำเร็จการศึกษา ประกอบด้วย
หลักสูตร ICT 2 กลุ่ม:
1•Student Project: Glasses Visual Assistance for the Blind Team: Mr. Khuboon, Miss Piangfa and Miss Voramon
2•Student Project: Assessment of Nostril Parameter in Photography by Deep Learning Technique Team: Miss Navaluck, Mr. Napat and Miss Phawida
และหลักสูตร DST 1 กลุ่ม:
3•Student Project: Cocoa Seeds Grading System using Image Processing Team: Mr. Thanakrit, Miss Suchanan and Miss Napaphach
3 groups of ICT Senior Project 2567
มีกิจกรรมนำเสนอผลความคืบหน้าโครงงานนักศึกษาปี 4 The 2025 16th MUICT Senior Project Annual Poster Exhibition and Conference, SP-APEC 2025 ของนักนักศึกษา ICT&DST เมื่อวันที่ 29 กพ. ที่ผ่านมา จากการประกาศ Best Poster Award ผลการนำเสนอผลงานเมื่อเดือน พค นี้
🎉✨นักศึกษา กลุ่ม Glasses Visual Assistance for the Blind
🏆ได้รับรางวัล Best Poster Award หมวด ICT Program Application Category: 1st rank
🎊✨และกลุ่ม Cocoa Seeds Grading System using Image Processing
🏆ได้รับรางวัล Best Poster Award หมวด DST Program Research Category: 1st rank
Glasses Visual Assistance for the Blind
แว่นตาช่วยการมองเห็นสำหรับคนตาบอด
Glasses Visual Assistance for the Blind
แว่นตาช่วยการมองเห็นสำหรับคนตาบอด
โดย Team: Mr. Khuboon, Miss Piangfa and Miss Voramon
ประเทศไทยมีผู้พิการทางสายตากว่า 184,288 คน ซึ่งตอกย้ำถึงความจำเป็นของเทคโนโลยีช่วยเหลือเพื่อยกระดับความเป็นอิสระและคุณภาพชีวิต เพื่อตอบสนองความต้องการนี้
จึงมีการเสนอการบูรณาการเทคโนโลยี Internet of Things (IoT) เข้ากับการประมวลผลภาพขั้นสูงและเทคนิคการตรวจจับวัตถุ โครงการ "แว่นตาผู้ช่วยการมองเห็นสำหรับผู้พิการทางสายตา"มุ่งเน้นไปที่อุปกรณ์สวมใส่แว่นตาที่ติดตั้งกล้องซึ่งสามารถจับภาพแบบเรียลไทม์เพื่อนำมาวิเคราะห์
ระบบนี้ทำงานได้สี่โหมด ได้แก่ การรู้จำธนบัตร การตรวจจับวัตถุ การระบุสลากกินแบ่งรัฐบาล และการรู้จำตัวอักษร (OCR) เมื่อภาพถูกประมวลผลแล้ว อุปกรณ์จะอธิบายรายการที่ตรวจพบออกมาเป็นเสียง ทำให้ผู้ใช้งานสามารถสำรวจสภาพแวดล้อมได้อย่างอิสระ โซลูชันนี้มีเป้าหมายที่จะปรับปรุงคุณภาพชีวิตของผู้พิการทางสายตา โดยนำเสนอวิธีการระบุวัตถุและการโต้ตอบกับสภาพแวดล้อมที่เชื่อถือได้และไม่ต้องใช้มือจับ
Thailand has over 184,288 visually impaired individuals, emphasizing the need for assistive technology to enhance independence and quality of life. To address this, the integration of the Internet of Things (loT) technology with advanced image processing and object detection techniques is proposed.
The Glasses Visual Assistance for the Blind project focuses on a wearable device-glasses equipped with a camera that captures real-time images for analysis.
The system operates in four modes: Banknote Recognition, Object Detection, Lottery Identification, and Text Recognition (OCR). Once the images are processed, the device audibly describes the detected Items, enabling users to navigate their surroundings independently. This solution aims to improve the quality of life for visually impaired individuals by offering a reliable, hands-free means of object identification and environmental interaction.
Assessment of Nostril Parameter in Photography by Deep Learning Technique
การประเมินพารามิเตอร์ของรูจมูกในการถ่ายภาพโดยใช้เทคนิคการเรียนรู้เชิงลึก
Assessment of Nostril Parameter in Photography by Deep Learning Technique
การประเมินพารามิเตอร์ของรูจมูกในการถ่ายภาพโดยใช้เทคนิคการเรียนรู้เชิงลึก
โดยTeam: Miss Navaluck, Mr. Napat and Miss Phawida
โรคปากแหว่งเพดานโหว่เป็นความผิดปกติของใบหน้าที่มีผลต่อรูปลักษณ์ภายนอกของเด็ก และอาจนำไปสู่ภาวะแทรกซ้อนได้ วิธีการวัดด้วยมือใช้เวลานานและมีโอกาสผิดพลาดสูง
เราจึงได้พัฒนาเครื่องมือที่ใช้ YOLO เพื่อตรวจจับส่วนประกอบของใบหน้าและวัดระยะห่างโดยใช้ภาพถ่ายผู้ป่วยที่มีเครื่องหมายสำหรับการปรับขนาดในโลกจริง เครื่องมือของเราสามารถตรวจจับส่วนประกอบของใบหน้าได้อย่างแม่นยำ และแปลงค่าการวัดจากพิกเซลเป็นมิลลิเมตร ซึ่งแสดงข้อผิดพลาดน้อยที่สุดเมื่อเทียบกับค่าจริง เครื่องมือนี้ช่วย เพิ่มประสิทธิภาพ ลดข้อผิดพลาดจากมนุษย์ และ เพิ่มความน่าเชื่อถือในการประเมิน เพื่อการวินิจฉัยและการวางแผนการรักษาที่ดีขึ้น
Cleft Lip and Cleft Palate are facial abnormalities that affect a child's physical appearance and can lead to complications. Manual measurement methods are time-consuming and prone to errors.
We developed a YOLO-based tool to detect facial components and measure distances using patient images with markers for real-world scaling. Our tool accurately detects facial components and converts pixel measurements into millimeters which show minimal errors compared to ground truth values. This tool improves efficiency, reduces human error, and enhances alate assessment reliability for better diagnosis and treatment planning.
Cocoa Seeds Grading System using Image Processing
ระบบการจัดระดับเมล็ดโกโก้โดยใช้การประมวลผลภาพ
Cocoa Seeds Grading System using Image Processing
ระบบการจัดระดับเมล็ดโกโก้โดยใช้การประมวลผลภาพ
โดยTeam: Mr. Thanakrit, Miss Suchanan and Miss Napaphach
ประเทศไทยมีการปลูกและศึกษาโกโก้เพิ่มขึ้น เพื่อตอบสบองต่อการเติบโตของอุตสาหกรรมเกษตร แต่การคัดแยกเกรดยังคงใช้วิธีการดั้งเดิมโดยอาศัยแรงงานมนุษย์ ทำให้เสียความคลาดเคลื่อนและไม่ได้มาตรฐาน เมล็ดโกโก้มีความแตกต่างทางกายภางกายภาพ เช่น สี ขนาด และพื้นผิว ซึ่งเกิดจากปัจจัยทางการเกษตรในแต่ละพื้นที่ เกษตรกรต้องทำการหมัก ตากแห้ง และแยกเกรดเมล็ดโกโก้ให้ได้มาตรฐานก่อนออกสู่ตลาด ซึ่งโครงงานนี้พัฒนาระบบแยกเกรดเมล็ดโกโก้
โดยใช้การเรียนรู้เชิงลึกผ่านโมเดล YOLO และ Raspberry Pi ในการจำแนกเมล็ดโกโก้แต่ละระดับ A (ดีที่สุด), B (ปานกลาง) และ C(แย่) เพื่อเพิ่มความแม่นยำและประสิทธิภาพในการคัดแยก ช่วยยยกระดับมาตรฐานโกโก้ของไทยสำหรับการผลิตและส่งออกให้ดีมากยิ่งขึ้น
Thailand has seen an increase in cocoa cultivation and research, responding to the growing agricultural industry. However, the grading process still relies on traditional manual methods, leading to inconsistencies and a lack of standardization. Cocoa beans exhibit physical differences in color, size, and texture due to various agricultural factors in different regions. Farmers must ferment, dry, and sort cocoa beans to meet standards before they can be sold in the market.
This project aims to develop a cocoa bean grading system. The system utilizes deep learning through a YOLO model and Raspberry Pi to classify cocoa beans into three levels: A (best), B (medium), and C (poor). This will enhance the accuracy and efficiency of the grading process, ultimately elevating the standard of Thai cocoa for both production and export.
- 1
ดูเพิ่มเติมในซีรีส์
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2025 Blockdit
