ไลน์บอทวินิจฉัยโรคพืช Rice Disease Linebot

 ไลน์บอทโรคพืช เป็นบริการวินิจฉัยโรคของพืชจากภาพถ่ายผ่านโปรแกรมไลน์ เป็นอีกหนึ่งทางเลือกของนวัตกรรมเกษตรยุคใหม่ ซึ่งพัฒนาด้วยเทคโนโลยีการประมวลภาพ (Image Processing) ร่วมกับระบบปัญญาประดิษฐ์ (AI) เพื่อเพิ่มความมั่นใจให้กับเกษตรกร หรือผู้ใช้งานทั่วไป ให้สามารถจำแนกโรคได้สะดวก รวดเร็ว แม่นยำขึ้น ปัจจุบันมีไลน์บอทที่เป็ดให้บริการ 3 ไลน์บอท ได้แก่ ไลน์บอทโรคข้าว ไลน์บอทโรคสตรอว์เบอร์รี และไลน์บอทโรคมันสำปะหลัง

ไลน์บอทวินิจฉัยโรคพืช

โดยผู้ใช้งานไม่จำเป็นต้องติดตั้งโปรแกรมเพิ่มเติม เพียงเข้ามาอยู่ในกลุ่มไลน์ที่มีไลน์  บอทโรคพืชอยู่ หลังจากที่ส่งรูปถ่ายที่มีอาการของโรคข้าวผ่านโปรแกรมไลน์ ระบบจะทำการดึงรูปที่ส่งมาประมวลผลภาพ เพื่อวินิจฉัยโรคด้วยเทคนิคเรียนรู้เชิงลึก (Deep Learning) แล้วส่งผลตอบกลับ

ไลน์บอทโรคข้าว

สามารถวินิจฉัยโรคข้าว 10 โรค ได้แก่

  • โรคไหม้
  • โรคไหม้คอรวง
  • โรคขอบใบแห้ง
  • โรคใบแถบแดง
  • โรคเมล็ดด่าง
  • โรคใบจุดสีน้ำตาล
  • โรคใบขีดน้ำตาล
  • โรคดอกกระถิน
  • โรคกาบใบเน่า
  • โรคใบวงสีน้ำตาล

โรคในข้าว

ไลน์บอทโรคสตรอว์เบอร์รี

สามารถวินิจฉัยโรคสตรอว์เบอร์รี 5 โรค ได้แก่

  • โรคแอนแทรคโนส
  • โรคใบไหม้
  • โรคราสีเทา
  • โรคราแป้ง
  • โรคใบจุดสีน้ำตาล

โรคในสตรอว์เบอร์รี

ไลน์บอทโรคมันสำปะหลัง 

สามารถวินิจฉัยโรคมันสำปะหลัง 4 โรค ได้แก่

  • โรคใบด่าง
  • โรคที่เกิดจากไรแดง
  • โรคใบไหม้
  • โรคที่เกิดจากสารเคมี

โรคในโรคมันสำปะหลัง

จุดเด่น/ประโยชน์ของเทคโนโลยี 

  • ให้ผลวินิจฉัยโรคพืชโดยใช้ภาพถ่ายภายในเวลา 3-5 วินาที
  • ไม่ขึ้นกับรุ่นโทรศัพท์มือถือ เพราะใช้ผ่านโปรแกรมไลน์ไม่ต้องติดตั้งโปรแกรมเพิ่มเติม เมื่อมีการปรับปรุงระบบ

หน่วยงานพันธมิตร

  • ภาควิชาโรคพืช คณะเกษตรศาสตร์ กำแพงแสน มหาวิทยาลัยเกษตรศาสตร์ วิทยาเขตกำแพงแสน
  • มูลนิธิโครงการหลวง

วิจัยพัฒนาโดย

  • ทีมวิจัยการประมวลผลและเข้าใจภาพ (IPU)
  • กลุ่มวิจัยปัญญาประดิษฐ์ (AINRG)

ติดต่อสอบถาม ฝ่ายพัฒนาเครือข่ายเชิงกลยุทธ์และประเมินผล (SPE) ศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ ที่อยู่ 112 อุทยานวิทยาศาสตร์ประเทศไทย ถ.พหลโยธิน ต.คลองหนึ่ง อ.คลองหลวง จ.ปทุมธานี 12120 โทร 0 2564 6900 email: business@nectec.or.th

KidBright μAI

KidBright μAI  (คิดไบรท์ ไมโครเอไอ) คือ เครื่องมือส่งเสริมการเรียนรู้โค้ดดิ้ง และ AI ในรูปแบบ STEM Education ผสมผสานการเรียนรู้ใช้งานบอร์ดควบคุม อัตโนมัติ (Micro-controller) พร้อมระบบ AI สำหรับแยกภาพ เสียง หรือ ตรวจจับวัตถุ ด้วยชุดคำสั่งแบบบล็อก (Blockly) ผ่าน KidBright μAI IDE ส่งเสริมให้ผู้เรียนนำเทคโนโลยีไปใช้แก้ปัญหาโจทย์ในชีวิตประจำวัน พัฒนากระบวนการคิดเชิงระบบ การคิดเชิงวิเคราะห์ และการคิดเชิงสร้างสรรค์ โดยเป็นผลงานเปิดตัวในงาน “รวมพลคน KidBright” KidBright Developer Conference 2024 (KDC24) ครั้งที่ 5 (2567) และส่งมอบไปยังโรงเรียนแกนนำกว่า 100 บอร์ด เปิดเป็นแพลตฟอร์ม Open-source ให้ผู้ที่สนใจร่วมพัฒนาระบบและ ปลั๊กอินเสริม พร้อมเปิดอบรมการใช้งานและการพัฒนาปลั๊กอินเสริมด้วย https://www.kid-bright.org/ai/

KidBright μAI

KidBright µAI ประกอบด้วย บอร์ดสมองกลฝังตัว KidBright µAI และโปรแกรมสร้างชุดคำสั่ง KidBright µAI IDE โดยผู้เรียนสามารถสร้างโมเดลปัญญาประดิษฐ์และชุดคำสั่งผ่าน KidBright µAI IDE ในการสร้างโมเดลปัญญาประดิษฐ์ ผู้เรียนสามารถนำข้อมูลภาพจากกล้องหรือเสียงจากไมโครโฟนที่ติดตั้งบนบอร์ด มาสร้างโมเดลปัญญาประดิษฐ์และแปลงเป็นบล็อกปัญญาประดิษฐ์ เพื่อนำไปสร้างเป็นชุดคำสั่งที่ใช้งานร่วมกับบล็อกคำสั่งที่อื่น ๆ จากนั้น KidBright µAI IDE จะแปลงและส่งชุดคำสั่งดังกล่าวไปที่บอร์ด KidBright µAI เพื่อให้บอร์ดทำงานตามคำสั่ง อาทิ ตรวจจับการเคลื่อนไหวของวัตถุที่สนใจ หรือระบบรดน้ำต้นไม้ตามคำสั่งเสียง

จุดเด่น/ประโยชน์

  • ผสมผสานการเรียนรู้โค้ดดิ้งและ AI ในบอร์ดเดียว
  • สามารถพัฒนาโมเดล AI ได้ใน 4 ขั้นตอน ได้แก่ การเก็บข้อมูล การติดป้ายกำกับ การเรียนรู้และสร้างโมเดล AI และการประยุกต์ใช้ผ่านการสร้างชุดคำสั่ง แบบบล็อก
  • รองรับการพัฒนาและติดตั้งปลั๊กอินเสริม สำหรับการใช้งานร่วมกับอุปกรณ์ input /output ดิจิทัลภายนอก และการสื่อสาร IoT ผ่าน Wi-Fi เก็บข้อมูลภาพความละเอียด 2 ล้านพิกเซล และข้อมูลเสียงด้วยไมโครโฟนบนอุปกรณ์ พร้อมการแสดงผลบนจอสี IPS 1.3 นิ้ว
  • แพลตฟอร์ม Open-source สำหรับการใช้ประโยชน์เพื่อสังคมและเชิงพาณิชย์ ส่งเสริมผู้ประกอบการ

ประโยชน์ที่ผู้ใช้งานจะได้รับ

  • สามารถออกแบบระบบเทคโนโลยี Coding, AI และ IoT เพื่อแก้ปัญหาโจทย์ในชีวิตจริงได้เอง
  • เรียนรู้หลักการพัฒนาระบบ AI สำหรับการแยกภาพ เสียง และตรวจจับวัตถุ
  • ส่งเสริมทักษะการคิดเชิงคำนวณ (Computational Skill)

กลุ่มลูกค้า/ผู้ใช้งานเป้าหมาย

  • นักเรียนระดับชั้นมัธยมศึกษา
  • ผู้สนใจที่เริ่มเรียนรู้โค้ดดิ้งและ AI
  • ผู้ประกอบการที่สนใจผลิตและร่วมพัฒนาระบบ

วิจัยพัฒนาโดย

ทีมวิจัยเทคโนโลยีเพื่อการศึกษา (EDT)
กลุ่มวิจัยการสื่อสารและเครือข่าย (CNWRG)

ติดต่อสอบถาม ฝ่ายพัฒนาเครือข่ายเชิงกลยุทธ์และประเมินผล (SPE) ศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ ที่อยู่ 112 อุทยานวิทยาศาสตร์ประเทศไทย ถ.พหลโยธิน ต.คลองหนึ่ง อ.คลองหลวง จ.ปทุมธานี 12120 โทร 0 2564 6900 email: business@nectec.or.th

Pathumma LLM

Pathumma Multi-Modal LLM (ปทุมมา Multi-Modal LLM) Al ที่เข้าใจบริบทและวัฒนธรรมไทยอย่างแท้จริง

Generative Al ส่วนใหญ่ยังไม่สามารถเข้าถึงความละเอียดอ่อนของภาษา และวัฒนธรรมไทย ได้อย่างแท้จริง ทั้งการตีความ สํานวน เข้าใจบริบทเฉพาะ Multi-Modal Al ในชื่อ Pathumma (ปทุมมา) จึงออกแบบมาเพื่อยกระดับความเข้าใจ ในภาษาไทยที่ลึกซึ้ง ด้วยความสามารถ ในการประมวลผลข้อมูลทั้งข้อความ เสียง และภาพ “ปทุมมา แอลแอลเอ็ม” มุ่งพัฒนา Al ไทย เพื่อให้คนไทยทุกคนสามารถเข้าถึงและ ร่วมในการขับเคลื่อนเทคโนโลยีไทยอย่างยั่งยืน มุ่งเน้นการเรียนรู้และทํา ความเข้าใจความเป็นไทยในทุกมิติ นับเป็นก้าวสำคัญในการพัฒนา เทคโนโลยี AI ที่ตอบโจทย์การใช้งานจริงสําหรับคนไทยโดยเฉพาะ

Pathumma LLM Feature

กลยุทธ์หลัก

  • Open Source – เปิดให้ใช้งานฟรี สนับสนุนการพัฒนา AI ไทย
  • สร้างชุมชน AI ไทย– ส่งเสริมการเรียนรู้และพัฒนาร่วมกัน
  • การประยุกต์ใช้จริง– รองรับทุกอุตสาหกรรม ปรับแต่งได้ตามองค์กร
  • AI เพื่อสังคม– ลดความเหลื่อมล้ำและสร้างผลกระทบเชิงบวก

คุณสมบัติเด่น

  • เข้าใจภาษาไทยเชิงลึก – รองรับคำเปรียบเปรย ภาษาไทยท้องถิ่น และบริบทเฉพาะ
  • Multi-Modal AI – วิเคราะห์และแปลงข้อมูล ข้อความ เสียง และภาพ ได้แม่นยำ
  • ปลอดภัยและเชื่อถือได้ – พัฒนาตามมาตรฐานความปลอดภัยระดับสากล
  • ใช้งานง่าย – รองรับ API และเครื่องมือสำหรับนักพัฒนาไทย

Pathumma LLM ก้าวสำคัญของ AI ไทย เพื่ออนาคตที่ทุกคนเข้าถึงเทคโนโลยีได้อย่างเท่าเทียม!

ใช้งานได้ที่ https://aiforthai.in.th/pathumma-llm/

วิจัยพัฒนาโดย  ทีมวิจัยการเข้าใจเสียงและข้อความ (STU) กลุ่มวิจัยปัญญาประดิษฐ์ (AINRG) ศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ

ติดต่อสอบถาม ฝ่ายพัฒนาเครือข่ายเชิงกลยุทธ์และประเมินผล (SPE) ศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ ที่อยู่ 112 อุทยานวิทยาศาสตร์ประเทศไทย ถ.พหลโยธิน ต.คลองหนึ่ง อ.คลองหลวง จ.ปทุมธานี 12120 โทร 0 2564 6900 email: business@nectec.or.th

iSmart OEE X NomadML

ระบบวัดประสิทธิผลโดยรวมของเครื่องจักรอัจฉริยะและระบบตรวจสอบด้วยภาพ (iSmart OEE X NomadML) คือ ระบบสำหรับวัดประสิทธิผลโดยรวมของเครื่องจักร (Overall Equipment Effectiveness: OEE) อัตโนมัติแบบ Real-time สื่อสารด้วยโปรโตคอล อุตสาหกรรม Modbus RTU, Modbus TCP, MQTT และ RESTful API ช่วยลดการจดบันทึกข้อมูล เพิ่มความรวดเร็วในการตรวจสอบ และแจ้งเตือนความผิดปกติในสายการผลิต พร้อมทั้งยังเพิ่มประสิทธิภาพการตรวจสอบคุณภาพชิ้นงานด้วยภาพแบบอัตโนมัติ จาก NomadML  โดย NomadML เป็นเครื่องมือสำหรับ Vision Inspection หรือการตรวจสอบชิ้นงานด้วยภาพถ่าย โดยเน้นจุดเด่นที่เป็นระบบ No-Code ที่ผู้ใช้ไม่ต้องเขียนโค้ดเอง รองรับการทำงานตั้งแต่การเทรนโมเดล (Train/Tune), การประเมินผล (Evaluate), ไปจนถึงการนำไปใช้งานจริง (Deploy) ในรูปแบบต่าง ๆ เช่น Image Classification, Object Detection และ Image Segmentation

NomadML
NomadML

จุดเด่น/ประโยชน์ของเทคโนโลยี

  • สามารถทราบข้อมูลเกี่ยวกับสินค้าที่ได้มาตรฐาน (OK) และไม่ได้มาตรฐาน (NG) ซึ่งเป็นข้อมูลที่สำคัญในการวิเคราะห์กระบวนการผลิต ลดเวลาในการบันทึกข้อมูล
  • สามารถสร้าง Local Dashboard แสดงสถานะการทำงานของเครื่องจักร ตามความเหมาะสมของแต่ละโรงงาน
  • ช่วยระบุและวิเคราะห์ปัญหาที่ส่งผลกระทบต่อประสิทธิภาพของเครื่องจักร เช่น เครื่องจักรเกิดการ Breakdown เพื่อนำไปปรับปรุงและพัฒนา แผนการผลิตเพื่อเพิ่มประสิทธิภาพ
  • สามารถตรวจสอบความผิดปกติและแบ่งประเภทของความผิดปกติของชิ้นงานได้ด้วย AI

กลุ่มลูกค้า/ผู้ใช้งานเป้าหมาย

  • ผู้ให้บริการติดตั้งระบบ (System Integrator: SI)
  • โรงงานอุตสาหกรรม/สถานประกอบการ

วิจัยพัฒนาโดย

  • iSmart OEE ทีมวิจัยนวัตกรรมการผลิตอัจฉริยะ (IMI) ด้านวิจัยและพัฒนาเทคโนโลยีระบบและเครือข่ายอัจฉริยะ (ITSN) ศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ (เนคเทค สวทช.)
  • NomadML ทีมวิจัยสมองกลอัจฉริยะและความจริงเสมือน (SMR) กลุ่มวิจัยระบบอัจฉริยะ (INSRG) ศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ (เนคเทค สวทช.)

ติดต่อสอบถาม ฝ่ายพัฒนาเครือข่ายเชิงกลยุทธ์และประเมินผล (SPE) ศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ ที่อยู่ 112 อุทยานวิทยาศาสตร์ประเทศไทย ถ.พหลโยธิน ต.คลองหนึ่ง อ.คลองหลวง จ.ปทุมธานี 12120 โทร 0 2564 6900 email :business@nectec.or.th

แพลตฟอร์ม Daysie

 การพัฒนาแอปพลิเคชัน AIoT บนอุปกรณ์ Edge Computing ด้วยแพลตฟอร์ม Daysie เป็นเทคโนโลยีที่ช่วยเพิ่มประสิทธิภาพการประมวลผลข้อมูล ลดต้นทุน และเสริมสร้างศักยภาพในการแข่งขันให้กับภาคอุตสาหกรรมไทย ถือเป็นการใช้ AI เพื่อยกระดับภาคอุตสาหกรรม นอกจากนี้ Daysie ยังมาพร้อมบริการที่ใช้งานง่าย ทำให้ผู้ใช้ทุกคน ไม่ว่าจะเป็นโปรแกรมเมอร์หรือไม่ก็ตาม สามารถสร้าง จัดการ และควบคุมการทำงานของซอฟต์แวร์บนอุปกรณ์ IoT Edge

daysie

จุดเด่น/ประโยชน์ของเทคโนโลยี

  • No-Code , DIY AI-IoT application platform
  • กรรมสิทธิ์ในแอพพลิเคชั่นหรือซอฟแวร์ที่สร้างบนแพลตฟอร์มเป็นของผู้ใช้งาน 100%

Daysie มีหลักการทำงานสำคัญดังนี้

  1. กระบวนการสร้างและเทรนโมเดล (ML Pipeline) Daysie ช่วยให้ผู้ใช้สร้างโมเดล Machine Learning ได้เองผ่าน 4 ขั้นตอนหลัก คือ
  • เลือกโมเดล: คลิกเลือกประเภทโมเดลที่ต้องการใช้งาน
  • อัปโหลดข้อมูล: นำข้อมูลสำหรับเทรนโมเดลเข้าสู่ระบบ รองรับทั้งไฟล์ภาพ (Photo), ข้อมูลตาราง (CSV) และไฟล์เสียง (Audio)
  • เทรนข้อมูล: สั่งประเมินและเทรนผลข้อมูลผ่านแพลตฟอร์ม
  • ประกอบแอปพลิเคชัน: ดาวน์โหลดโมเดลที่เทรนเสร็จแล้วมาวางในรูปแบบ “Node” แล้วใช้วิธี ลากและวาง (Drag and Drop) เพื่อเชื่อมต่อส่วนต่าง ๆ เข้าด้วยกันเหมือนการต่อเลโก้
  1. การเชื่อมต่อและการติดตั้ง (Deployment)
  • การเชื่อมต่ออุปกรณ์: สามารถเชื่อมต่ออุปกรณ์เข้ากับแพลตฟอร์มได้ง่าย ๆ โดยใช้ Device Token
  • ฮาร์ดแวร์ที่รองรับ: ตัวระบบสามารถติดตั้งลงบนอุปกรณ์ Edge Device ได้หลากหลาย เช่น 4-core ARM, AMD64, Intel และรองรับระบบปฏิบัติการทั้ง MacOS, Linux และ Windows
  • การอัปเดต: การอัปเดตฟีเจอร์ใหม่ ๆ ทำได้ง่ายเหมือนการอัปเดตแอปบนมือถือผ่านอินเทอร์เน็ต
  1. ขีดความสามารถและฟังก์ชันการใช้งาน
  • ความสามารถด้าน AI: รองรับการทำ Classification (จำแนกภาพ, เสียง, หรือข้อมูลอนุกรมเวลา) และ Regression (การพยากรณ์ข้อมูล)
  • ระบบจัดการข้อมูล: มีระบบ Messaging, ฐานข้อมูลในตัว (Local Database) และการสร้าง Dashboard เพื่อแสดงผลข้อมูลในระดับ Edge
  • การเชื่อมต่อเครือข่าย: มี MQTT Broker ในตัว และสามารถเชื่อมต่อกับ IoT Cloud ภายนอกอย่าง NETPIE ได้
  1. จุดเด่นด้านความปลอดภัยและการทำงานออฟไลน์
  • Edge Processing: สามารถทำงานแบบ ออฟไลน์ (Offline) ได้เต็มรูปแบบบนอุปกรณ์ของผู้ใช้เอง ทำให้ข้อมูลมีความปลอดภัย 100% และไม่รั่วไหล
  • ความปลอดภัยของข้อมูล: มีระบบการตรวจสอบสิทธิ์ที่ตัวอุปกรณ์ (Edge Authentication) และการเข้ารหัสข้อมูล (Data Encryption) เพื่อความปลอดภัยสูงสุด

สามารถนำไปประยุกต์ใช้ได้ในหลากหลายอุตสาหกรรมและภาคส่วน ดังนี้:

  • ภาคอุตสาหกรรม (Industry): ใช้ในการมอนิเตอร์ไลน์การผลิต (Production Line Monitoring), การบำรุงรักษาเชิงพยากรณ์ (Predictive Maintenance), การควบคุมคุณภาพ (Quality Control) และการจัดการคลังสินค้า (Warehouse Management)
  • ภาคเกษตรกรรม (Agriculture): เพื่อยกระดับงานด้าน IoT ในการเพาะปลูกหรือปศุสัตว์
  • ภาคอสังหาริมทรัพย์ (Real Estates): เช่น การจัดการระบบภายในอาคารอัจฉริยะ
  • ธุรกิจด้านพลังงาน (ESCO): โดยเฉพาะในงานด้านการจัดการพลังงาน (Energy Management) เพื่อเพิ่มประสิทธิภาพการใช้พลังงาน
  • ภาคโลจิสติกส์ (Logistics): ช่วยในการบริหารจัดการการขนส่งและคลังสินค้า
  • ภาคการบริการ (Hospitality): เช่น งานในกลุ่มโรงแรมหรือธุรกิจบริการอื่น ๆ

แพลตฟอร์มนี้ช่วยให้ผู้ประกอบการในทุกภาคส่วนสามารถสร้างแอปพลิเคชัน AIoT สำหรับติดตั้งบนอุปกรณ์ Edge Computing ได้ด้วยตัวเองอย่างง่ายดาย เพื่อลดต้นทุนและเพิ่มประสิทธิภาพในการทำงาน

สามารถศึกษารายละเอียดเพิ่มเติมได้ที่ https://daysie.io/

ติดต่อสอบถาม : ฝ่ายพัฒนาเครือข่ายเชิงกลยุทธ์และประเมินผล (SPE) ศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ  112 อุทยานวิทยาศาสตร์ประเทศไทย ถ.พหลโยธิน ต.คลองหนึ่ง อ.คลองหลวง จ.ปทุมธานี 12120 โทร 0 2564 6900 email : business@nectec.or.th

เอกสารประกอบ NSTDA: The National Research Engine สวทช. เครื่องยนต์วิจัยแห่งชาติ

NSTDA: The National Research Engine สวทช. เครื่องยนต์วิจัยแห่งชาติ

 

 

รายงานการศึกษา : สถานการณ์และโอกาสทางการตลาดสมุนไพรเป้าหมาย: กระชายดำ บัวบก และกะเพรา

รายงานการศึกษา : สถานการณ์และโอกาสทางการตลาดสมุนไพรเป้าหมาย: กระชายดำ บัวบก และกะเพรา

Download (30.0 MB)

 

ศูนย์ทดสอบทางพิษวิทยาและชีววิวทยา (TBES)

ศูนย์ทดสอบทางพิษวิทยาและชีววิวทยา

(Toxicology and Bio Evaluation service Center)

https://www.nstda.or.th/tbes/

TBES-OECD

TBES มีความเชี่ยวชาญและประสบการณ์กว่า 15 ปี ในการทดสอบทางพิษวิทยาระยะก่อนคลินิก (Pre-clinical test) และการทดสอบฤทธิ์ทางชีวภาพ โดยเฉพาะการนำเนื้อเยื่อสามมิติ หรือ 3D tissues ที่ได้มาตรฐาน (ผ่านการยอมรับความใช้ได้โดย ECVAM*) มาใช้เป็นหนึ่งในวิธีทางเลือกทดแทนการใช้สัตว์ทดลอง (Alternatives to animal testing)

 

TBES มีความพร้อมของห้องปฏิบัติการและเครื่องมือ สำหรับให้บริการทดสอบผลิตภัณฑ์เครื่องสำอาง สมุนไพร วัสดุทางการแพทย์ และผลิตภัณฑ์สุขภาพอื่น ๆ โดยใช้วิธีทดสอบตาม OECD test guidelines และมาตรฐานสากล ดำเนินการด้วยระบบคุณภาพ รองรับความต้องการของภาคอุตสาหกรรมของไทย เพื่อการขึ้นทะเบียนผลิตภัณฑ์ทั้งในประเทศและต่างประเทศ

 

นอกจากนี้ TBES ยังมีบริการให้คำปรึกษาและออกแบบการทดสอบให้แก่ผู้ประกอบการ ตามหลักวิชาการด้านพิษวิทยา เภสัชวิทยา เและชีวเคมี เพื่อให้มั่นใจได้ว่าผลิตภัณฑ์มีคุณภาพและความปลอดภัย

 

การทดสอบด้านความปลอดภัย

  • การระคายเคืองต่อผิวหนัง – Skin irritation
    • OECD Test No. 439
  • การกัดกร่อนผิวหนัง – Skin corrosion
    • OECD Test No. 431
  • การระคายเคืองต่อดวงตา – Eye irritation
    • OECD Test No. 492
    • OECD Test No. 492B
  • ความเป็นพิษต่อเซลล์ – Cytotoxicity
    • In house method
  • ความเป็นพิษเมื่อกระตุ้นด้วยแสงยูวี – Phototoxicity
    • OECD Test No. 432
  • ความไวต่อการกระตุ้นการแพ้ทางผิวหนัง – Skin sensitization
    • OECD Test No. 442D
    • OECD Test No. 442E
  • การเหนี่ยวนำอนุมูลอิสระภายในเซลล์ – Induction of intracellular ROS
    • DCF assay
  • ความเข้ากันได้ทางชีวภาพ (สำหรับวัสดุทางการแพทย์) – Biocompatibility
    • ISO 10993 series: ISO 10993-5, ISO 10993-12, and ISO 10993-23

การทดสอบฤทธิ์ทางชีวภาพ

  • ฤทธิ์ต้านอนุมูลอิสระ – Anti-oxidant activity
    • ABTS assay (ABTS radical scavenging activity)
    • DPPH assay (DPPH radical scavenging activity)
    • FRAP assay (Ferric reducing antioxidant power)
    • ORAC assay (Oxygen radical absorbance capacity)
  • ฤทธิ์ยับยั้งการสร้างเม็ดสีของผิวหนัง – Anti-melanogenesis
    • Melanin content assay
    • Anti-tyrosinase assay
  • การทดสอบอื่นๆ – Others
    • โปรดติดต่อ TBES

 

ชุดข้อมูลเปิด (opendata) :

บริการทดสอบของศูนย์ทดสอบทางพิษวิทยาและชีววิทยา ข้อมูลประกอบด้วย รายการทดสอบ ปริมาณตัวอย่างส่งทดสอบ ระยะเวลาทดสอบ และราคาค่าบริการทดสอบ โดยเป็นการทดสอบความปลอดภัยของผลิตภัณฑ์เพื่อสุขภาพ เคมีภัณฑ์ที่ใช้ในครัวเรือน ตัวอย่างผลิตภัณฑ์ที่ให้บริการทดสอบ ได้แก่ เครื่องสำอาง สมุนไพร เครื่องมือแพทย์ เคมีภัณฑ์ ผลิตภัณฑ์นาโนเทคโนโลยี

สนใจสอบถามข้อมูลเพิ่มเติมได้ที่

ศูนย์ทดสอบทางพิษวิทยาและชีววิทยา

สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ (สวทช.)
111 อาคารนวัตกรรม 2 (INC 2) tower C อุทยานวิทยาศาสตร์ประเทศไทย ถนนพหลโยธิน ตำบลคลองหนึ่ง อำเภอคลองหลวง จังหวัดปทุมธานี 12120
โทรศัพท์ 0-2564-7000 ต่อ 71701 ถึง 71704
Email : sales.tbes@nstda.or.th

 

 

LookieWaste แอพพลิเคชั่นเพื่อตรวจสอบขยะอาหารและบรรจุภัณฑ์

LookieWaste: แอพพลิเคชั่นเพื่อตรวจสอบขยะอาหารและบรรจุภัณฑ์

LookieWaste MobileApp

ปัญหาการสูญเสียอาหารนับเป็นประเด็นที่ทุกประเทศล้วนให้ความสำคัญ เนื่องจากการสูญเสียอาหารมีผลกระทบต่อความมั่นคงด้านอาหารของคนในประเทศ รวมทั้งคุณภาพอาหาร และความปลอดภัย ปัจจุบันประเทศไทยยังขาดทั้งข้อมูลและระบบจัดเก็บข้อมูลการสูญเสียอาหารและขยะอาหารอย่างเป็นระบบ อีกทั้งข้อมูลที่เกี่ยวข้องกับขยะอาหารเกี่ยวข้องกับพฤติกรรมการบริโภคส่วนบุคคล ซึ่งเข้าถึงข้อมูลรายบุคคล มีความยุ่งยาก สิ้นเปลืองทั้งแรงงานและงบประมาณ ดังนั้น สถาบันเทคโนโลยีและสารสนเทศเพื่อการพัฒนาที่ยังยืน (TIIS) ซึ่งได้รับทุนอุดหนุนวิจัยจาก UN environment จึงวิจัยและพัฒนาแอพพลิเคชั่น Lookie Waste เพื่อตรวจสอบขยะอาหารและบรรจุภัณฑ์อาหารได้อย่างต่อเนื่อง สามารถเข้าถึงกลุ่มคนได้เป็นจำนวนมาก นอกจากนี้ยังมีวัตถุประสงค์เพื่อสร้างความตระหนักในการบริโภคอาหารผ่านแนวคิดตลอดวัฏจักรชีวิต อันจะนำไปสู่การลดปริมาณขยะอาหารต่อไป

คุณลักษณะพื้นฐาน

แอพพลิเคชั่น LookieWaste ประกอบด้วย 2 ส่วน ส่วนของการแสดงผลและบันทึกข้อมูลของผู้ใช้งาน และส่วนระบบการจัดการและบันทึกผลข้อมูลสำหรับผู้พัฒนา

1.ส่วนของการแสดงผลและบันทึกข้อมูลของผู้ใช้งาน

“LookieWaste” เป็นแอพพลิเคชั่นบนสมาร์ทโฟน รองรับระบบปฏิบัติ iOS และ Android หลังจากดาวน์โหลดใช้งาน โดยแสดงผลกระทบจากขยะอาหารที่เกิดขึ้น ทั้ง 3 ด้าน โดยประเมินผลตามนิยามของขยะอาหาร (Food waste) [FAO, 2011] ในหน้าแรกของการเปิดใช้งานแอพพลิเคชั่น (Welcome display) จะแสดงโลโก้ของหน่วยงานที่พัฒนาแอพพลิเคชั่น คือ National Metal and Materials Technology Center (MTEC) National Science and Technology Development Agency (NSTDA) และหน่วยงานผู้สนับสนุนทางการเงิน “The Resource Efficiency through Application of Life Cycle Thinking” (REAL) โครงการภายใต้ The European Union (UN) ก่อนเริ่มใช้งานผู้ใช้งานต้องเข้าระบบในครั้งแรกของการใช้งาน ประกอบด้วย 3 วิธี Device facebook และ Google+

การใช้งาน

การใช้งานแอพพลิเคชั่นประกอบด้วย 3 ขั้นตอน ได้แก่ 1) เลือกเมนูอาหาร 2) เลือกบรรจุภัณฑ์อาหาร 3) การประมาณการณ์อาหารที่เหลือจากการบริโภค ส่วนสุดท้ายคือการแปรผลผลกระทบด้านสิ่งแวดล้อม เศรษฐกิจ และสังคมของขยะอาหารและบรรจุภัณฑ์อาหาร โดย

ผลกระทบทางด้านสิ่งแวดล้อม แสดงผลปริมาณการปล่อยก๊าซคาร์บอนไดออกไซด์ (CO2) ที่เกิดจากขยะอาหารและบรรจุภัณฑ์อาหาร รวมถึงการจัดการบรรจุภัณฑ์อาหาร การปล่อยก๊าซคาร์บอนไดออกไซด์จากขยะอาหารและบรรจุภัณฑ์อาหารจะถูกตีความเป็นเปอร์เซ็นต์ ซึ่งคำนวณจากหลักแนวคิดการประเมินตลอด     วัฏจักรชีวิต ตั้งแต่การได้มาซึ่งวัถตุดิบ จนถึงการจำกัดซาก แบ่งระดับความรุนแรงออกเป็น 5 ระดับ ดังนี้

ระดับ 1 ปริมาณการปล่อยก๊าซคาร์บอนไดออกไซด์ (CO2) 0-20 % ที่เกิดจากขยะอาหารและบรรจุภัณฑ์อาหาร รวมถึงการจัดการบรรจุภัณฑ์อาหาร เป็นระดับความรุนแรงที่ส่งผลกระทบต่อสิ่งแวดล้อมน้อยที่สุด

ระดับ 2 ปริมาณการปล่อยก๊าซคาร์บอนไดออกไซด์ (CO2) 21-40 % ที่เกิดจากขยะอาหารและบรรจุภัณฑ์อาหาร รวมถึงการจัดการบรรจุภัณฑ์อาหาร

ระดับ 3 ปริมาณการปล่อยก๊าซคาร์บอนไดออกไซด์ (CO2) 41-60 % ที่เกิดจากขยะอาหารและบรรจุภัณฑ์อาหาร รวมถึงการจัดการบรรจุภัณฑ์อาหาร

ระดับ 4 ปริมาณการปล่อยก๊าซคาร์บอนไดออกไซด์ (CO2) 61-80 % ที่เกิดจากขยะอาหารและบรรจุภัณฑ์อาหาร รวมถึงการจัดการบรรจุภัณฑ์อาหาร

ระดับ 5 ปริมาณการปล่อยก๊าซคาร์บอนไดออกไซด์ (CO2) 81-100% ที่เกิดจากขยะอาหารและบรรจุภัณฑ์อาหาร รวมถึงการจัดการบรรจุภัณฑ์อาหาร เป็นระดับความรุนแรงที่ส่งผลกระทบต่อสิ่งแวดล้อมมากที่สุด

ผู้ใช้งานแอพพลิเคชั่น สามารถบันทึกพฤติกรรมการบริโภคอาหารในแต่ละวันได้ เพื่อติดตามผลสรุปในแต่ละช่วงเวลาของการใช้งาน ซึ่งแสดงผลการใช้งานเป็นระยะเวลา 30 วัน โดยแสดงทั้งรูปแบบกราฟของขยะอาหารที่เกิดขึ้นในแต่ละวัน และแสดงผลกระทบทั้งหมดที่เกิดจากการใช้งาน ซึ่งจะเห็นแนวโน้มของพฤติกรรมการบริโภคของผู้ใช้งานเอง จนเกิดความตระหนักแก่ผู้ใช้งาน นำไปสู่การปรับเปลี่ยนพฤติกรรมการบริโภคอาหาร ตลอดจนการเลือกบรรจุภัณฑ์อาหาร

LookieWaste

2.ส่วนระบบการจัดการและบันทึกข้อมูลสำหรับผู้พัฒนา

ระบบการจัดการสำหรับผู้พัฒนาแอพพลิเคชั่น ประกอบด้วยเมนูหลัก ดังนี้

  • Manage Item โดยแบ่งออกเป็น Menu, Process, Item, Packaging, Packaging Management และ Cooking ผู้พัฒนาสามารถปรับเปลี่ยน แก้ไข เพิ่มเติมเมนูอาหาร ส่วนประกอบอาหาร บรรจุภัณฑ์อาหาร การจัดการบรรจุภัณฑ์อาหาร และวิธีการทำอาหาร หรือปรับเปลี่ยน ค่า emission factor เพื่อประเมินผลกระทบทางสิ่งแวดล้อม และราคาวัตถุดิบของส่วนประกอบอาหาร สำหรับการประเมินผลกระทบทางเศรษฐกิจ รวมถึงปริมาณกิโลแคลอรี่ในแต่ละเมนู สำหรับการประเมินผลกระทบทางสังคม
  • Users ประกอบด้วยรายชื่อของผู้ใช้งานทั้งหมด โดยแสดงข้อมูลพื้นฐานทั่วไปตามที่ได้ลงทะเบียนไว้ในตอนเริ่มต้นใช้งานแอพพลิเคชั่น
  • Report โดยแบ่งออกเป็น Information User, User Waste และ User effect เป็นการรายงานผลของผู้เข้าใช้งานทั้งหมด ในรูปแบบกราฟ และเปอร์เซ็นต์ เพื่อนำผลไปวิเคราะห์และประยุกต์ใช้ในงานวิจัยต่อไป

 

การนำไปใช้ / ถ่ายทอดเทคโนโลยี

  • ข้อมูลผลกระทบด้านสิ่งแวดล้อม เศรษฐกิจ และสังคม จากการบริโภคอาหารเพื่อประยุกต์ใช้ในการประเมิน carbon footprint โรงอาหารขององค์การสหประชาชาติประเทศไทย
  • แอพพลิเคชั่น Lookie Waste เพื่อสร้างความตระหนักในการลดขยะอาหารของประเทศไทย

กลุ่มลูกค้า / ผู้ใช้งานเทคโนโลยีเป้าหมาย

  • องค์การสหประชาชาติด้านสิ่งแวดล้อมแห่งสหประชาชาติ (United Nations Environment)
  • Food and Agriculture Organization of the United Nations (FAO)
  • กระทรวงการต่างประเทศ
  • สำนักงานสถิติแห่งชาติ
  • สำนักงานสภาพัฒนาการเศรษฐกิจและสังคมแห่งชาติ

 

สอบถามข้อมูลเพิ่มเติม โปรดติดต่อ:

สถาบันเทคโนโลยีและสารสนเทศเพื่อการพัฒนาที่ยั่งยืน

ศูนย์เทคโนโลยีโลหะและวัสดุแห่งชาติ (เอ็มเทค)

สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ (สวทช.)