วารสารงานวิจัยและพัฒนาเชิงประยุกต์ โดยสมาคม ECTI

การประยุกต์ใช้เทคโนโลยีอินเทอร์เน็ตของสรรพสิ่งสำหรับระบบเตือนภัยการโจรกรรมรถจักรยานยนต์

Thu, 29 Aug 2024 00:00:00 +0700

ปัจจุบันในประเทศไทย มีสถิติการถูกโจรกรรมและสูญหายเป็นจำนวนมาก บทความนี้นำเสนอการประยุกต์ใช้เทคโนโลยีอินเทอร์เน็ตของสรรพสิ่งสำหรับระบบเตือนภัยการโจรกรรมรถจักรยานยนต์ โดยนำหลักการอินเทอร์เน็ตของสรรพสิ่ง (IoT) ตัวตรวจจับ (Sensor) ระบบฝังตัว (Embedded System) ไลน์บอท (Line Bot) และฐานข้อมูล (Database) เพื่อนำมาบูรณาการร่วมกันในการพัฒนาต้นแบบระบบเตือนภัยการโจรกรรมรถจักรยานยนต์ ระบบที่พัฒนานี้ทำงานโดยตรวจจับความผิดปรกติของการยก การโน้มเอียง และการสั่นสะเทือนของรถจักรยานยนต์ผ่านตัวตรวจจับ ADXL345 และ SW420 ที่เชื่อมต่อกับไมโครคอนโทรลเลอร์ ESP 8266 NodeMCU และแจ้งเตือนตำแหน่งของรถจักรยานยนต์ซึ่งรับค่าผ่านโมดูลระบุตำแหน่งพิกัดโลก (GPS Module) NEO-M8N และส่งข้อความผ่านทางแอปพลิเคชันไลน์เพื่อแจ้งเตือนและแจ้งตำแหน่งให้แก่ผู้ใช้งาน จากการทดสอบ ระบบที่พัฒนาขึ้นสามารถตรวจจับและส่งข้อความเตือนผู้ใช้งานได้อย่างถูกต้อง

การใช้ขั้นตอนวิธีเชิงพันธุกรรมในการปรับระบบควบคุมของหุ่นยนต์ช่วยเหลือการเดิน

Thu, 29 Aug 2024 00:00:00 +0700

เนื่องด้วยจำนวนผู้ป่วยที่มีความบกพร่องทางด้านการเคลื่อนไหวมีแนวโน้มที่จะเพิ่มขึ้นทุกปี ชุดโครงหุ่นยนต์สำหรับรองรับรยางค์ท่อนล่าง หรือ Lower Extremities Exoskeleton ได้รับความสนใจมากขึ้น เพื่อให้หุ่นยนต์ช่วยเหลือในการเดินสามารถทำการเดินได้อย่างเหมาะสม ระบบควบคุมการเดินของหุ่นยนต์ต้องสามารถควบคุมให้ข้อต่อต่างๆ เคลื่อนที่ไปยังตำแหน่งของขาระหว่างการเดินได้ โดยระบบควบคุมแบบ PID เป็นระบบควบคุมที่นิยมใช้ในการควบคุมการเคลื่อนที่ของหุ่นยนต์เนื่องจากความน่าเชื่อถือและความเรียบง่ายในการใช้งาน ประสิทธิภาพในการทำงานของระบบควบคุมแบบ PID นั้นขึ้นอยู่กับการปรับค่าของระบบควบคุม การปรับค่า Gain ในระบบควบคุมในหุ่นยนต์ที่มีความซับซ้อนด้วยวิธีการทั่วไปนั้นมีความยุ่งยากและขาดความแม่นยำ จึงมีการใช้ Algorithm เข้ามาช่วยเหลือในการปรับค่าของระบบควบคุม PID ในงานวิจัยนี้ ทำการใช้ Genetic Algorithm ในการปรับค่าของระบบควบคุม PID สำหรับควบคุมการเดินของชุดโครงหุ่นยนต์สำหรับช่วยเหลือการเดิน โดยใช้แบบจำลองทางคณิตศาสตร์ของหุ่นยนต์ช่วยเหลือการเดินที่ได้จาก pendulum model ในการจำลองการทำงานของหุ่นยนต์ การปรับค่า Gain ของระบบควบคุม PID นั้นใช้การปรับค่าด้วย Genetic Algorithm เพื่อลดค่าความผิดพลาดที่เกิดขึ้น การทำงานของหุ่นยนต์ถูกจำลองโดยใช้ MATLAB Simulink เพื่อทดสอบการทำงาน และเปรียบเทียบกับระบบควบคุมที่ปรับค่าโดยใช้วิธีการของ Zeigler-Nichols ผลการทดสอบพบว่าการใช้ Genetic Algorithm นั้นให้ผลที่ดีกว่าการใช้การปรับการควบคุมด้วยวิธีการ Zeigler-Nichols ในการปรับค่าของระบบควบคุมการเดินของหุ่นยนต์ช่วยเหลือการเดิน

การปรับปรุงโคมไฟถนนแอลอีดีควบคุมด้วยเครือข่ายลอรา

ณรงค์ นันทกุศล, สันติ วงศ์ใหญ่, กิตตินัน สระสวย — Thu, 29 Aug 2024 00:00:00 +0700

งานวิจัยนี้นำเสนอการปรับปรุงโคมไฟถนนแอลอีดีแบบเดิมด้วยแนวคิดเทคโนโลยีอินเตอร์เน็ตของสรรพสิ่ง เพื่อให้สามารถควบคุมและติดตามการทำงานโคมไฟถนนด้วยเครือข่ายลอราเเบบส่วนตัว ระบบที่นำเสนอสามารถควบคุมการทำงานและปรับความส่องสว่าง เพื่อเพิ่มประสิทธิภาพการใช้พลังงานไฟฟ้าโดยที่ยังคงความปลอดภัย ก่อนที่จะนำต้นแบบไปประยุกต์ใช้จริงภายในมหาวิทยาลัยเทคโนโลยีราชมงคลล้านนา เชียงใหม่ โดยผลจากการวิจัยและกำหนดฉากเหตุการณ์หากนำต้นแบบที่ปรับปรุงไปใช้งานทดแทนโคมไฟถนนแอลอีดีเดิมจะทำให้ประหยัดค่าไฟฟ้าได้ 14,473.51 บาท คิดเป็นร้อยละที่ประหยัดได้ 25.45% มีระยะเวลาจุดคุ้มทุนที่ 2 ปี 9 เดือน

คำสำคัญ: เครือข่ายลอรา, อินเตอร์เน็ตของสรรพสิ่ง, โคมไฟถนน

การวิเคราะห์เชิงปริมาณสารประกอบหลักในกาแฟด้วยเทคนิครามาน สเปกโทรสโกปีร่วมกับการวิเคราะห์ข้อมูลโดยใช้การเรียนรู้ของเครื่อง

Thu, 29 Aug 2024 00:00:00 +0700

บทความนี้นำเสนอวิธีการวิเคราะห์สารคาเฟอีน (Caffeine) ซึ่งเป็นสารประกอบหลักในกาแฟ โดยจะทำการวิเคราะห์เชิงปริมาณของสารเคมีมาตรฐานด้วยเทคนิครามานสเปกโทรสโกปี (Raman Spectroscopy) ร่วมกับการวิเคราะห์ข้อมูลโดยใช้การเรียนรู้ของเครื่อง (Machine Learning) ในการทดลองนี้ได้ทำการเตรียมตัวอย่างคาเฟอีนมาตรฐานที่ความเข้มข้น 500 ppm 1000 ppm 1500 ppm 2000 ppm 3000 ppm และ 4000 ppm หลังจากนั้นจึงนำตัวอย่างมาวัดด้วยเทคนิครามานสเปกโทรสโกปี เพื่อได้ชุดข้อมูลสเปกตรัมรามาน อย่างไรก็ตาม ชุดข้อมูลสเปกตรัมรามานยังมีคุณภาพไม่เพียงพอ จึงจำเป็นต้องเพิ่มคุณภาพให้แก่ชุดข้อมูลรามานโดยการใช้เทคนิคการประมวลผลเบื้องต้น (Pre-Processing) ด้วยวิธีการปรับเส้นฐาน (Baseline Removal), การลบปรากฏการณ์รังสีคอสมิก (Cosmic ray Removal), การลดสัญญาณรบกวน (Smoothing Signal), การลบข้อมูลสเปกตรัมที่มีค่าผิดปกติ (Outlier Removal), และการปรับสัญญาณให้มีค่าอยู่ในช่วงที่เป็นมาตรฐาน (Amplitude Normalization) หลังจากนั้นจึงทำการแบ่งชุดข้อมูลออกเป็น 2 ส่วน ด้วยอัตราส่วน 80:20 ข้อมูลชุดแรกที่มีจำนวน 80% ของจำนวนข้อมูลทั้งหมด (Training Dataset) จะถูกนำมาใช้เพื่อฝึกสอนแบบจำลอง (Model Training) และข้อมูลที่เหลือที่มีจำนวน 20% ของจำนวนข้อมูลทั้งหมด (Validation Dataset) จะถูกใช้ในการทดสอบและปรับพารามิเตอร์ให้แบบจำลองเพื่อเพิ่มประสิทธิภาพในการทำนายปริมาณของสารคาเฟอีน งานวิจัยนี้ได้ทำการเปรียบเทียบประสิทธิภาพของแบบจำลองทั้งหมด 18 แบบจำลอง ซึ่งใช้ ค่าความผิดพลาดเฉลี่ยสมบูรณ์ (Mean Absolute Error: MAE) ค่ารากที่สองเฉลี่ยสมบูรณ์ (Root Mean Square Error: RMSE) และค่าสัมประสิทธิ์การตัดสินใจพหุคุณ (Coefficient of Multiple Determination: R-Square) เป็นตัวชี้วัดในการประเมินประสิทธิภาพของแบบจำลอง โดยแบบจำลองที่มีประสิทธิภาพสูงสุดผ่านตัวชี้วัดนี้คือ Extra Trees Regressor ซึ่งมีค่าความผิดพลาดเฉลี่ยสมบูรณ์ ค่ารากที่สองเฉลี่ยสมบูรณ์ และค่าสัมประสิทธิ์การตัดใจพหุคูณ เป็น 710 ppm 914.05 ppm และ 0.34 ตามลำดับ วิธีการที่ได้จากงานนี้ สามารถนำไปต่อยอดเพื่อใช้ในการหาปริมาณสารคาเฟอีนในกาแฟได้

การพัฒนาเทคนิคการตรวจวัดเชิงแสงแบบไม่ทำลายสำหรับการตรวจสอบการมีอยู่และประเภทการเคลือบผิวของทัลคัมในแป้งเด็กและแป้งบริโภค

Thu, 29 Aug 2024 00:00:00 +0700

บทความนี้เสนอวิธีการตรวจจับการใช้แร่ทัลคัม และการจำแนกประเภทการเคลือบผิวของแร่ทัลคัม ซึ่งแร่ดังกล่าวถูกนำมาใช้เป็นส่วนประกอบหลักในอุตสาหกรรมและผลิตภัณฑ์ดูแลส่วนบุคคล โดยใช้การตรวจวัดเชิงแสงแบบไม่ทำลายด้วยเทคนิคสเปกโตรสโคปี (Spectroscopy) ในย่านอินฟราเรดกลาง (Mid-IR) และอินฟราเรดไกล (Far-IR) ซึ่งในงานนี้จะใช้เครื่อง Fourier Transform Infrared Spectroscopy (FT-IR) ทำการเก็บข้อมูลสเปกตรัมทั้งหมด และข้อมูลสเปกตรัมที่ได้จะถูกนำมาวิเคราะห์โดยการเรียนรู้ของเครื่อง (Machine Learning) จากผลการทดลองพบว่า หากใช้โมเดล Gaussian Naive Bayes (Gaussian NB) ในการทำนายแร่ทัลคัมบริสุทธิ์จำนวน 45 สเปกตรัมการวัด พบว่า เทคนิคนี้จะสามารถจำแนกประเภทการเคลือบผิวของทัลคัมได้อย่างถูกต้องถึง 98.18% และ 95.27% ในย่านอินฟราเรดกลางและอินฟราเรดไกลตามลำดับ และโมเดล Gaussian Naive Bayes (Gaussian NB) ถูกนำมาฝึกฝนเพิ่มเติมโดยใช้สเปกตรัมที่เก็บมาจากผลิตภัณฑ์จริงจำนวน 200 สเปกตรัม เพื่อนำมาใช้ในการจำแนกระหว่างผลิตภัณฑ์แป้งฝุ่นที่มีส่วนผสมทัลคัมและปราศจากทัลคัม จากผลการทดสอบพบว่า ในย่านอินฟราเรดกลาง โมเดลมีความถูกต้องในการจำแนกอยู่ที่ 95.56% ในผลิตภัณฑ์แป้งเด็ก และ 91.73% ในผลิตภัณฑ์แป้งบริโภค ในขณะที่ในย่านอินฟราเรดไกล โมเดลมีความถูกต้องในการจำแนกมากกว่า และอยู่ที่ 97.78% ในผลิตภัณฑ์แป้งเด็ก และ 100% ในผลิตภัณฑ์แป้งบริโภค จากผลการทดสอบทั้งหมดแสดงให้เห็นถึงศักยภาพในการนำเทคนิคที่เสนอนี้ไปใช้ในการตรวจจับทัลคัมและประเภทการเคลือบแร่ทัลคัมในผลิตภัณฑ์แป้งฝุ่น ที่จะช่วยลดการพึ่งพาผู้เชี่ยวชาญ ลดต้นทุน และเพิ่มความมั่นใจในคุณภาพและความปลอดภัยของผลิตภัณฑ์แป้งฝุ่น

โมเดลต้นแบบเครื่องคัดแยกมันเทศอัตโนมัติ

นันธพร ดวงใจ, ปฏิมา คำแสงมาตย์ , วรพล งามไตรมาศ , กัณธิดา พันธุ์เจริญ — Thu, 29 Aug 2024 00:00:00 +0700

งานวิจัยฉบับนี้นำเสนอแบบจำลองของเครื่องคัดแยกมันเทศอัตโนมัติ เพื่อช่วยลดความผิดพลาดจากการคัดแยกขนาดมันเทศด้วยแรงงานคนของเกษตรกรในปัจจุบัน โดยเครื่องคัดแยกมันเทศนี้จะเป็นอีกหนึ่งทางเลือกสำหรับกระบวนการคัดแยกทางเกษตรกรรม เครื่องคัดแยกที่นำเสนอในบทความนี้ใช้ระบบลูกกลิ้งลำเลียงควบคู่กับการคัดแยกขนาด โดยการใช้ท่อวางเรียงเป็นรางที่มีช่องเปิดให้มีความกว้างเท่ากับเส้นรอบวงของมันเทศตามเกณฑ์ที่ต้องการคัดแยก โดยแบ่งการคัดแยกเป็นสามส่วน ส่วนที่หนึ่งคัดแยกมันเทศที่มีขนาดเล็ก มันเทศที่คงเหลือจากการคัดแยกในส่วนที่หนี่งจะถูกหมุนพาไปยังส่วนที่สองด้วยระบบลูกกลิ้งลำเลียง เพื่อคัดแยกมันเทศขนาดกลางออก และมันเทศที่เหลือจากการคัดแยกในส่วนที่สองจะเป็นมันเทศขนาดใหญ่ โดยชุดท่อที่เรียงไว้สำหรับคัดแยกจะเป็นชุดต่อเนื่องกันมีขนาดรูเปิดระหว่างท่อในส่วนที่หนึ่งเท่ากับ 4 ซม. ส่วนที่สองเท่ากับ 6 ซม. และส่วนที่สามเท่ากับ 9 ซม. ระบบลูกกลิ้งลำเลียงนี้สามารถคัดแยกมันเทศได้ด้วยการหมุนให้มันเทศเคลื่อนที่ไปข้างหน้าและตกลงไปในระหว่างช่องเปิดของท่อลำเลียง