This study presents an automated system for corn field detection and measurement that combines Unmanned Aerial Vehicle (UAV) technology with deep transfer learning to address critical inefficiencies in agricultural data verification. Current verification methods rely on time-consuming on-site inspections that strain resources and delay operations. Our methodology integrates aerial data acquisition with automated analysis by leveraging transfer learning techniques to adapt pre-trained convolutional neural networks for corn field detection. Through a comparative evaluation of three architectures – MobileNetV1, MobileNetV2, and InceptionV3 – we demonstrate how transfer learning enables efficient model training with limited agricultural datasets while maintaining high accuracy. Testing revealed MobileNetV2’s superior performance with a Mean Absolute Error of 0.147, enabling field measurements accurate to within ±50 square meters of actual dimensions. Field validation demonstrates the system’s capability to automatically detect and delineate corn cultivation areas with high precision, offering substantial improvements over traditional manual verification methods. This transfer learning approach significantly reduces both human intervention requirements and operational costs while improving measurement accuracy and minimizing the need for extensive training data. The system’s demonstrated effectiveness suggests broad applications in agricultural monitoring and resource management, particularly in regions where manual verification poses logistical challenges.

Wireless wearable devices enable convenient acquisition of photoplethysmograph signals. A limitation of continual measurement is the resource-constrained processing and limited battery capacity. To solve the transmission power consumption problem, we propose an information reduction method, AutoPPGEncoder. The AutoPPGEncoder is an autoencoder trained with conventional mean squared error (mse) loss and mse systolic peak amplitude loss. The scheduling of impact from two losses improves the raw signal reconstruction by preserving the systolic peak in the reconstructed signal. Our system reduces the amount of transmitted BLE data from the PPG data by a ratio of 1:7.07. In terms of signal quality, the AutoPPGEncoder performs better than the recent compression technique, deep compressive sensing network (DCSNET) compression in both percentage root-mean-square difference (PRD) and peak amplitude PRD on BIDMC, SensAI, and VitalDB datasets. The AutoPPGEncoder’s power consumption was verified on an NRF54L15-DK board, which reduced the total energy consumption by 0.4 mJ per segment. This demonstrated the capability of the AutoPPGEncoder in IoT applications with power efficiency and the quality of PPG signal transmission.

การวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาสภาพปัจจุบันและความต้องการพัฒนา รวมทั้งจัดลำดับความสำคัญในการพัฒนาสมรรถนะปัญญาประดิษฐ์ด้านการวัดและประเมินผลการเรียนรู้ของครูโรงเรียนเอกชนจังหวัดสมุทรปราการเป็นการวิจัยเชิงสำรวจ กลุ่มตัวอย่างคือครู 264 คนที่เข้าร่วมโดยสมัครใจ เครื่องมือวิจัยเป็นแบบสอบถามออนไลน์มาตรประมาณค่าระดับ 5 ระดับ ชนิดตอบสนองคู่ วิเคราะห์ข้อมูลด้วยสถิติเชิงพรรณนาและดัชนีความต้องการจำเป็นแบบปรับปรุง ผลการวิจัยพบว่า 1) โดยภาพรวมสภาพปัจจุบันสมรรถนะปัญญาประดิษฐ์ด้านการวัดและประเมินผลการเรียนรู้ของครูอยู่ในระดับปานกลาง ส่วนความต้องการพัฒนาอยู่ในระดับมาก 2) ความต้องการจำเป็นในการพัฒนาสมรรถนะปัญญาประดิษฐ์ด้านการวัดและประเมินผลการเรียนรู้ของครู โดยรวมมีค่าดัชนีความต้องการจำเป็นแบบปรับปรุง เท่ากับ 0.151 รายด้านเรียงจากมากไปหาน้อย ได้แก่ ด้านการจัดการการประเมิน (0.224) ด้านการวิเคราะห์และพยากรณ์ (0.216) ด้านการออกแบบและสร้างเครื่องมือประเมิน (0.158) และด้านจริยธรรมการประเมิน (0.072) ข้อค้นพบชี้ให้พัฒนาสมรรถนะที่เกี่ยวข้องกับการจัดการการประเมินและการวิเคราะห์เชิงพยากรณ์ด้วยปัญญาประดิษฐ์ควบคู่การกำกับดูแลด้านจริยธรรมเพื่อยกระดับคุณภาพการประเมินผลการเรียนรู้ของผู้เรียน

Unemployed individuals and recent graduates often lack the experience or skills necessary to effectively search and filter job positions on job search websites, hindering their ability to access job listings and requirements. To address this issue, a research process was conducted involving extracting job information from the top job search website in Thailand. The data was then prepared, transformed, and subjected to Matrix Factorization. The data was randomly split into 80% for training and 20% for testing, out of a total of 30,000 records. This data was used to test the performance of a recommendation system utilizing the Collaborative Filtering technique. The Learning Curve, which measures the efficiency of model learning through Training Loss and Validation Loss, showed a continuous decrease in value until it reached its lowest validation loss of 0.0442, indicating a well-fitted model. This research suggests that the model can be effectively used for predicting and creating a prototype of a job recommendation system that connects job opportunities via API to efficiently meet the needs of job seekers and recent graduates.

-

งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาระบบแปลภาษามือตัวอักษรภาษาอังกฤษแบบเรียลไทม์โดยใช้แนวคิดการประมวลผลแบบไฮบริดระหว่างเว็บไคลเอนต์และอุปกรณ์ IoT ระบบใช้ MediaPipe ส าหรับสกัดพิกัดจุดข้อต่อของมือจ านวน 42 ค่าแทนการใช้ภาพถ่ายดิบ เพื่อลดความซับซ้อนของข้อมูลและเพิ่มประสิทธิภาพในการประมวลผล จากนั้นน าข้อมูลพิกัดไปจ าแนกด้วยโมเดลโครงข่ายประสาทเทียมแบบหลายชั้น (MLP) บนไมโครคอนโทรลเลอร์ ESP32 โดยประยุกต์ใช้แนวคิดรูปแบบมาตรฐาน (Canonical Form) เพื่อแก้ปัญหาความแตกต่างระหว่างมือซ้ายและขวา ผลการทดลองพบว่าระบบสามารถแปลภาษามือตัวอักษรภาษาอังกฤษ A–Z (ยกเว้น J และ Z) ได้อย่างมีประสิทธิภาพ โดยมีค่าความถูกต้องเฉลี่ยเท่ากับ 91.67% และสามารถท างานได้อย่างเสถียรในสภาพแวดล้อมที่แตกต่างกัน งานวิจัยนี้แสดงให้เห็นว่าการใช้ข้อมูลเชิงโครงสร้างร่วมกับสถาปัตยกรรมแบบไฮบริดช่วยให้ระบบแปลภาษามือมีความแม่นย าสูง เหมาะสมกับการประยุกต์ใช้บนอุปกรณ์ IoT ที่มีข้อจ ากัดด้านทรัพยากร

การวิจัยแบบผสานวิธีในครั้งนี้มีวัตถุประสงค์เพื่อ 1. ศึกษาระดับของคุณลักษณะการเป็นผู้ประกอบการ การบูรณาการโซ่อุปทาน ความยืดหยุ่นขององค์กร และผลการดำเนินธุรกิจอย่างยั่งยืนของธุรกิจโลจิสติกส์ทางถนนในเขตกรุงเทพมหานคร 2. ศึกษาอิทธิพลของคุณลักษณะการเป็นผู้ประกอบการ การบูรณาการโซ่อุปทาน และความยืดหยุ่นขององค์กร ที่ส่งผลต่อผลการดำเนินธุรกิจอย่างยั่งยืนของธุรกิจโลจิสติกส์ทางถนนในเขตกรุงเทพมหานคร และ 3. พัฒนาแบบจำลองการส่งเสริมผลการดำเนินธุรกิจอย่างยั่งยืนของธุรกิจโลจิสติกส์ทางถนนในเขตกรุงเทพมหานคร การวิจัยเชิงปริมาณ กลุ่มตัวอย่าง ได้แก่ ผู้ประกอบการธุรกิจโลจิสติกส์ทางถนนในเขตกรุงเทพมหานคร จำนวน 260 คน ด้วยการสุ่มแบบแบ่งชั้นภูมิ เครื่องมือที่ใช้ในการวิจัยเป็นแบบสอบถามมาตรส่วนประมาณค่า 5 ระดับ วิเคราะห์ข้อมูลด้วยสถิติพรรณนา เทคนิคการวิเคราะห์แบบ Covariance-based SEM การวิจัยเชิงคุณภาพ กลุ่มเป้าหมายเป็นผู้เชี่ยวชาญ จำนวน 15 คน เก็บข้อมูลด้วยการสัมภาษณ์เชิงลึก วิเคราะห์ข้อมูลด้วยเทคนิคการวิเคราะห์เนื้อหา ผลการวิจัยพบว่า 1.คุณลักษณะการเป็นผู้ประกอบการ การบูรณาการโซ่อุปทาน ความยืดหยุ่นขององค์กร อยู่ในระดับมากที่สุด (Mean = 4.59, 4.62 และ 4.58) ผลการดำเนินธุรกิจอย่างยั่งยืน อยู่ในระดับมาก (Mean = 4.45) 2. คุณลักษณะการเป็นผู้ประกอบการ การบูรณาการโซ่อุปทาน และความยืดหยุ่นขององค์กร ร่วมกันทำนายผลการดำเนินธุรกิจอย่างยั่งยืนของธุรกิจโลจิสติกส์ทางถนนในเขตกรุงเทพมหานคร ได้ร้อยละ 87 3.แบบจำลอง IPO (Input-Process-Output Model) เพื่อส่งเสริมผลการดำเนินธุรกิจอย่างยั่งยืนของผู้ประกอบการในธุรกิจโลจิสติกส์ทางถนน ประกอบด้วย 3 ด้าน ได้แก่ ทรัพยากรการดำเนินงาน กระบวนการดำเนินงาน และผลผลิต

เมื่อความตระหนักด้านสังคมและสิ่งแวดล้อมเพิ่มสูงขึ้น ประกอบกับการเปลี่ยนแปลงของค่านิยมผู้บริโภคภายหลังการแพร่ระบาดของโควิด-19 การทำความเข้าใจว่าผู้บริโภครับรู้และตีความ แรงจูงใจในการดำเนินกิจกรรมความรับผิดชอบต่อสังคมขององค์กร (Corporate Social Responsibility: CSR) ของศูนย์การค้าและไฮเปอร์มาร์เก็ตอย่างไร ยังคงเป็นประเด็นที่ได้รับการศึกษาไม่มากนัก การศึกษานี้อาศัย ทฤษฎีการอ้างเหตุ (Attribution Theory) เป็นกรอบแนวคิด โดยนำ ความแท้จริงของ CSR (CSR Authenticity) และ ความสอดคล้องระหว่าง CSR กับองค์กร (CSR-Company Fit) มาบูรณาการเข้ากับกรอบการรับรู้แรงจูงใจในการดำเนิน CSR เพื่อศึกษาว่าปัจจัยดังกล่าวมีอิทธิพลต่อ การมีส่วนร่วมของผู้บริโภคบนสื่อสังคมออนไลน์ (Consumer Social Media Engagement) อย่างไร ผลการสำรวจข้อมูลจากตลาดเกิดใหม่พบว่า แรงจูงใจที่ขับเคลื่อนด้วยค่านิยม (Value-Driven Motives) มีอิทธิพลต่อการรับรู้ความแท้จริงของ CSR มากที่สุด รองลงมาคือ แรงจูงใจที่ขับเคลื่อนด้วยผู้มีส่วนได้ส่วนเสีย (Stakeholder-Driven Motives) ขณะที่ แรงจูงใจที่ขับเคลื่อนด้วยผลประโยชน์ขององค์กร (Egoistic-Driven Motives) และ แรงจูงใจเชิงกลยุทธ์ (Strategy-Driven Motives) ไม่มีอิทธิพลอย่างมีนัยสำคัญ นอกจากนี้ ความแท้จริงของ CSR ยังช่วยเพิ่มการรับรู้ถึงความสอดคล้องระหว่าง CSR กับองค์กร และมีอิทธิพลโดยตรงต่อการมีส่วนร่วมของผู้บริโภค โดยความสอดคล้องระหว่าง CSR กับองค์กรทำหน้าที่เป็น ตัวแปรส่งผ่านเชิงเสริม (Complementary Mediator) ผลการศึกษาชี้ให้เห็นว่า ความแท้จริงของ CSR เป็นกลไกสำคัญที่เชื่อมโยงการรับรู้แรงจูงใจในการดำเนิน CSR กับการมีส่วนร่วมของผู้บริโภค อีกทั้งยังช่วยขยายองค์ความรู้ของทฤษฎีการอ้างเหตุ โดยอธิบายให้ชัดเจนยิ่งขึ้นว่าแรงจูงใจในการดำเนิน CSR แต่ละรูปแบบส่งผลต่อการตอบสนองของผู้บริโภคบนสื่อสังคมออนไลน์แตกต่างกันอย่างไร และนำเสนอข้อค้นพบใหม่ที่เป็นประโยชน์ต่อการสื่อสาร CSR ในธุรกิจค้าปลีกของตลาดเกิดใหม่

-

ไม่มี