RAAS - กลุ่มวิจัยวิทยาการหุ่นยนต์และระบบอัตโนมัติขั้นสูง

20/03/2026

28/02/2026

ขอแสดงความยินดีกับนิสิต ป.ตรี Robotics and Automation System (International Program) อาจารย์กลุ่มวิจัย และความร่วมมือในการตีพิมพ์บทความกับอาจารย์ในมหาวิทยาลัยต่างประเทศ

28/02/2026

ขอแสดงความยินดีกับนิสิต ป.ตรี Robotics and Automation System (International Program)

28/02/2026

ขอแสดงความยินดีกับนิสิต ป.โท และอาจารย์กลุ่มวิจัย RAAS

21/07/2025

ขอแสดงความยินดี กับ นิสิต ป.โท และอาจารย์ กลุ่มวิจัยวิทยาการหุ่นยนต์และระบบอัตโนมัติขั้นสูงครับ

21/06/2025

นิสิตปริญญาตรี ไปนำเสนอบทความที่ประเทศไต้หวัน เรื่องFeature Analysis and Anomaly Detection of Personal Protective Equipment in PCB Production Lines
โดยมี นิสิตปริญญาตรี 2 คน ผศ.ดร. กิตติพงษ์ เยาวาจา หัวหน้ากลุ่มวิจัย RAAS และร่วมมือกับอาจารย์ Prof. Yin-Tien Wang ที่ Tamkung University และ Rui-Cheng Xu, Huei-Ru Chen นักศึกษาปริญญาโทร่วมพัฒนางานวิจัย

งานวิจัยนี้เสนอวิธีการตรวจจับอุปกรณ์ป้องกันส่วนบุคคล (PPE) เช่น หมวก หน้ากาก เสื้อกันไฟฟ้าสถิต และรองเท้าในสายการผลิตแผงวงจรพิมพ์ (PCB) โดยใช้โมเดลการเรียนรู้เชิงลึก ระบบนี้มุ่งเพิ่มความปลอดภัยในที่ทำงานผ่านการตรวจสอบอัตโนมัติ ลดข้อผิดพลาดจากการตรวจสอบด้วยมนุษย์ ด้วยการใช้โมเดล YOLOv7 ที่เน้นการตรวจจับแบบเรียลไทม์ การวิเคราะห์คุณลักษณะภาพ (เช่น PCA) และการแก้ปัญหาข้อมูลไม่สมดุลด้วยเทคนิคการเพิ่มข้อมูลและการสุ่มตัวอย่าง เป้าหมายหลักคือการลดการพลาดการตรวจจับความผิดปกติ (FN) ให้เป็นศูนย์ พร้อมควบคุมการตรวจจับผิดพลาด (FP) เพื่อลดต้นทุนการตรวจซ้ำ ผลการศึกษาพบความแม่นยำสูงและศักยภาพในการเชื่อมต่อกับระบบแจ้งเตือนแบบทันที

จุดเด่นของงานวิจัย:

โมเดลประสิทธิภาพสูง: YOLOv7 ช่วยตรวจจับ PPE แบบเรียลไทม์และทำงานร่วมกับระบบตรวจสอบเดิมได้
การจัดการข้อมูล: ใช้เทคนิค PCA การเพิ่มข้อมูล และการสุ่มตัวอย่างเพื่อแก้ปัญหาข้อมูลไม่สมดุล
ความปลอดภัย: ลดอุบัติเหตุและยกระดับการปฏิบัติตามมาตรฐานความปลอดภัย
แผนงานในอนาคต:

ขยายการตรวจจับไปยัง PPE ประเภทอื่น ๆ
พัฒนาระบบแจ้งเตือนทันทีและขจัด FN ที่เหลือ

ภาพรวมงานวิจัย
หัวข้อวิจัย: การตรวจจับ PPE ในสายการผลิต PCB ด้วย AI
ปัญหา: การตรวจสอบ PPE ด้วยมนุษย์มีข้อผิดพลาดสูง และข้อมูลภาพไม่สมดุล
วิธีการ: ใช้ YOLOv7 วิเคราะห์ภาพจริง ร่วมกับเทคนิค และการเพิ่มข้อมูล
ผลลัพธ์: ระบบตรวจจับที่มีความแม่นยำ
รายละเอียดเทคนิค
สถาปัตยกรรมโมเดล: YOLOv7 สำหรับตรวจจับวัตถุแบบเร็ว
การเตรียมข้อมูล:
สุ่มตัวอย่างข้อมูลไม่สมดุลด้วย Oversampling และ Augmentation
ใช้ PCA ลดสัญญาณรบกวนในภาพ
การประเมินผล:
วัดค่า Precision, Recall, F1-Score เปรียบเทียบ FN และ FP ก่อน-หลังปรับโมเดล

การประยุกต์ใช้และอนาคต
การใช้งานจริง: ติดตั้งกล้องตรวจสอบที่ทางเข้าห้องผลิต พร้อมแจ้งเตือนทันที
ประโยชน์:
ลดอุบัติเหตุจาก PPE ไม่ครบ
ประหยัดต้นทุนการตรวจสอบซ้ำ

https://gulfthai.com/?p=9307
This paper presents a method for detecting personal protective equipment (PPE) such as helmets, clothes, shoes, and masks using a deep learning model. The approach aims to enhance workplace safety by ensuring compliance with safety regulations, particularly in industrial production lines where PPE is mandatory. The developed system is lightweight and capable of real-time operation, making it ideal for integration into existing security and monitoring systems.

21/06/2025

🎓 ขอแสดงความยินดีกับนิสิตที่ปรึกษาระดับปริญญาโท กลุ่มวิจัย RAAS ไปเรียนที่ประเทศฝรั่งเศส 4 เดือน

20/06/2025

🇹🇭 ขอเชิญร่วมชมผลงานวิจัยด้านดาวเทียมจากนิสิตไทยในงาน ME-NETT 2025
หากคุณสนใจเทคโนโลยีดาวเทียมขนาดเล็ก (CubeSat), ระบบควบคุมทิศทาง (Attitude Control), หรืออยากเห็นการออกแบบระบบจริงที่ใช้ฮาร์ดแวร์เชิงพาณิชย์ (COTS) ที่ประกอบและทดสอบได้ในประเทศไทย

🌍 เราจะนำเสนอ ระบบล้อปฏิกิริยา (Reaction Wheel) สำหรับ CubeSat ขนาด 1U ที่พัฒนาโดย

นางสาวปริพัฒน์ ไพรัช นิสิตปริญญาโท วิศวกรรมเครื่องกล ม.เกษตรศาสตร์
ผศ.ดร.กิตติพงษ์ เยาวาจา หัวหน้ากลุ่มวิจัย RAAS

ความร่วมมือจาก GISTDA ในการทดสอบระบบควบคุม

📌 ระบบต้นแบบสามารถควบคุมแรงบิดได้อย่างแม่นยำ (±0.007 mNm ที่ความเร็ว 5,230 RPM)
📌 ใช้ระบบควบคุมแบบ Field-Oriented Control (FOC) ร่วมกับ BLDC motor และ IMU
📌 ทดสอบการหมุนจริง วิเคราะห์ความเร่งและอัตราเชิงมุม
📌 เป็นการนำองค์ความรู้ด้านอวกาศมาสร้างนวัตกรรมที่จับต้องได้ในประเทศไทย

📍พบที่งาน ME-NETT 2025 ระหว่างวันที่ 15–18 กรกฎาคม 2568 ณ มหาวิทยาลัยขอนแก่น
สอบถามข้อมูลเพิ่มเติม: [email protected]
---

🇬🇧 Visit RAAS-KU at ME-NETT 2025 | Reaction Wheel Demo for CubeSat

Title: Preliminary Design of the Reaction Wheel for a 1U-CubeSat using BLDC and FOC

Ms. Paripat Pairat (Graduate Student, Kasetsart University)

Asst. Prof. Dr. Kittipong Yaovaja (RAAS Research Group)

In collaboration with GISTDA

📌 Single-axis CubeSat reaction wheel
📌 ±0.007 mNm torque @ 5,230 RPM
📌 Controlled via Raspberry Pi, Arduino, IMU, and FOC motor driver
📌 Experimentally verified for attitude control
📌 Hands-on demonstration with real testbed

📍 See the prototype at ME-NETT 2025, Khon Kaen
📩 Contact: [email protected]

30/01/2025

สมัครเรียนฟรี 4 Module อบรมเข้มข้น ทุกสัปดาห์ครับ
เริ่มวันที่ 1 กุมภาพันธ์ ถึง 17 พฤษภาคม 2568
โครงการความร่วมมือทางวิชาการในการพัฒนาผู้ประกอบการ ประจำปี 2568
หรือดูข้อมูลได้ที่ https://gulfthai.com/?page_id=9152
Module ที่ 1 วันที่ 1, 8, 15, 22 กุมภาพันธ์ และ 1 มีนาคม 2568 ฟรี ไม่มีค่าใช้จ่ายครับ
🛑 Module 1: ครั้งที่ 1 เรื่อง นวัตกรรม ธุรกิจและเทคโนโลยี วิทยากรบรรยายสดออนไลน์ผ่าน Zoom วันเสาร์ที่ 1 กุมภาพันธ์ 2568 10.00-12.00 น ประกอบด้วยวิทยากร
🎯 ดร. ญาณินี ทรงขจร
-ผู้เชี่ยวชาญพิเศษทางด้านการจัดการเทคโนโลยีและนวัตกรรม, AI , Big data
-อาจารย์พิเศษคณะวิศวกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย (หลักสูตรอินเตอร์)
-ที่ปรึกษาบริษัทต่างประเทศ (ประเทศญี่ปุ่นและสิงคโปร์),
โปรเจ็ค Line Co., Ltd. (ประเทศญี่ปุ่น-เกาหลี),
โปรเจค AIDF,United Nation ( สหประชาชาติ)
-อดีตอาจารย์คณะวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยอัสสัมชัญ (ABAC)
-International Academic Co-Research , Doshisha University, Kyoto, Japan
🎯 ผศ.ดร.กิตติพงษ์ เยาวาจา
-ผู้เชี่ยวชาญพิเศษทางด้าน AI หุ่นยนต์และระบบอัตโนมัติขั้นสูง
-หัวหน้ากลุ่มวิจัยวิทยาการหุ่นยนต์และระบบอัตโนมัติขั้นสูง
-Robotics and Advanced Autonomous Systems KU, Engineering at Sriracha
-ผู้รับผิดชอบหลักสูตรวิศวกรรมหุ่นยนต์และระบบอัตโนมัติ(นานาชาติ)
-------------------------------------------------------------------------
Module 1 : การทรานส์ฟอร์มธุรกิจเพื่อลดต้นทุนและเพิ่มประสิทธิภาพ 1 ประกอบด้วย 4 ชุดวิชา ได้แก่
🔴 วิชานวัตกรรม ธุรกิจและเทคโนโลยี
🔴 วิชาการบริหารโรงงาน การผลิตและซ่อมบำรุง
🔴 วิชา การบริหารโลจิสติกส์และซัพพลายเชน
🔴 วิชาการบริหารทรัพยากรมนุษย์
1. ผู้เรียนที่ไม่ได้เข้าเรียนทาง Zoom สามารถเรียนด้วยตนเองด้วยดูเอกสารและคลิปการสอนย้อนหลังได้ตามลิงค์ที่แนบมาครับ ที่ เพลตฟอร์มออนไลน์ www.entrepreneuronline-learning.com
2. กรุณาทำแบบทดสอบทั้ง 4 วิชา มาให้ด้วยนะครับ สำหรับผู้ที่ต้องการใบเกียรติบัตร โดยพยายามทำให้เสร็จภายในวันที่ 28 กุมภาพันธ์ 2568 หลังจากนั้นระบบการเรียนออนไลน์จะปิดดำเนินการ
-แบบทดสอบ อยู่ท้ายเว็บของแต่ละบทเรียนแต่ละวิชาครับ)
-เรียนผ่านบทเรียนออนไลน์/เพลตฟอร์มออนไลน์ www.entrepreneuronline-learning.com เริ่มได้ตั้งแต่วันที่ 1-28 กุมภาพันธ์ 2568
-หลังจากเรียนจบแต่ในแต่ละรายวิชา มีการทดสอบความรู้หลังเรียน โดยจะถือเกณฑ์ผ่านที่ร้อยละ 60

26/11/2022