คลังความรู้ Archive

ไลน์บอทวินิจฉัยโรคพืช Rice Disease Linebot

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

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 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

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

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

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.)

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

จุดเด่น/ประโยชน์ของเทคโนโลยี

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

Daysie มีหลักการทำงานสำคัญดังนี้

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

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

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

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

Acamp แพลตฟอร์มการบริหารจัดการคาร์บอนแบบอัตโนมัติ

“Acamp” บัญชีคาร์บอนแบบอัตโนมัติ

“Acamp” ย่อมาจาก Automated Carbon Accounting Management Platform เป็นแพลตฟอร์มการบริหารจัดการคาร์บอนแบบอัตโนมัติ แพลตฟอร์มนี้มุ่งเน้นการพัฒนาระบบอัตโนมัติที่สามารถรวบรวมและวิเคราะห์ข้อมูลการปล่อยคาร์บอนได้อย่างมีประสิทธิภาพ ออกแบบให้ทำงานร่วมกับอุปกรณ์ IoT ช่วยให้ภาคอุตสาหกรรมเห็นภาพรวมปัญหาการปล่อยก๊าซเรือนกระจกขององค์กรได้แบบเรียลไทม์ นำไปสู่การวางแผนลดการปลดปล่อยก๊าซได้อย่างตรงจุด เพื่อมุ่งสู่ง Net Zero อย่างเป็นรูปธรรม ประกอบด้วยกล่อง Zcarbon สำหรับตรวจวัดการลดคาร์บอนอัจฉริยะที่สามารถเชื่อมต่อกับเซนเซอร์ผ่าน RS-485 เพื่อเพิ่มความสะดวก ความแม่นยำในการเก็บข้อมูล และซอฟต์แวร์ Acamp คำนวณค่าคาร์บอนเทียบเท่า (Carbon Equivalent: CO₂e) โดยใช้ค่า Factor ที่ประกาศโดยองค์การบริหารจัดการก๊าซเรือนกระจก (องค์การมหาชน)

แพลตฟอร์ม Acamp มุ่งเน้นการพัฒนาระบบอัตโนมัติที่สามารถรวบรวมและวิเคราะห์ข้อมูลการปล่อยคาร์บอนได้อย่างมีประสิทธิภาพ ประกอบด้วย 2 ส่วนหลัก คือ กล่อง Zcarbon และ ซอฟต์แวร์ Acamp

กล่อง Zcarbon สำหรับตรวจวัดการลดคาร์บอนอัจฉริยะที่สามารถเชื่อมต่อกับเซนเซอร์ผ่าน RS-485 ช่วยให้การบันทึกข้อมูลการปล่อยคาร์บอนมีความสะดวกและแม่นยำ
ซอฟต์แวร์ Acamp สำหรับคำนวณค่าคาร์บอนเทียบเท่า (Carbon Equivalent: CO2e) อย่างอัตโนมัติ โดยใช้ค่า Factor ที่ประกาศโดยองค์การบริหารจัดการก๊าซเรือนกระจก (องค์การมหาชน)   ข้อมูลทั้งหมดจะถูกนำมาประมวลผลและแสดงผลในรูปแบบที่เข้าใจง่าย ช่วยให้ผู้ใช้งานเห็นภาพรวมการปล่อยคาร์บอนขององค์กรได้อย่างชัดเจน

จุดเด่น/ประโยชน์

ติดตามคาร์บอนฟุตพรินต์ขององค์กรแบบเรียลไทม์ บันทึกและจัดเก็บข้อมูลปีฐาน ช่วยให้เห็นภาพรวมและผลกระทบที่เกิดขึ้นได้ในทันที สามารถใช้ในการวางแผน การลดต้นทุนการผลิตและติดตามการใช้ทรัพยากรอย่างใกล้ชิด
สามารถเชื่อมต่อกับ Power Meter เพื่อคำนวณคาร์บอนฟุตพรินต์แบบเรียลไทม์ ลดขั้นตอนที่ยุ่งยากและความเสี่ยงจากข้อผิดพลาดในการป้อนข้อมูล
ลดการปล่อยคาร์บอน ส่งผลต่อการลดค่าใช้จ่ายในองค์กร พร้อมเก็บข้อมูล เพื่อการจัดทำคาร์บอนเครดิตและโครงการลดคาร์บอน
เชื่อมต่อ CFO ไปยังห่วงโซ่อุปทาน (Supply Chain) เพื่อการบริหารจัดการ คาร์บอนฟุตพรินต์ในทุกส่วนของธุรกิจได้
สร้างความได้เปรียบทางการแข่งขันในตลาด และโอกาสในการสร้างรายได้ จากคาร์บอนเครดิต

กลุ่มลูกค้า/ผู้ใช้งานเป้าหมาย

โรงงานอุตสาหกรรม
ธุรกิจขนาดกลางและขนาดเล็ก (SMEs)

วิจัยพัฒนาโดย

ทีมวิจัยเทคโนโลยีและนวัตกรรมการลดคาร์บอน (DTI)
กลุ่มวิจัยไอโอทีและระบบอัตโนมัติสำหรับงานอุตสาหกรรม (IIARG)

NomadML แพลตฟอร์มสำหรับการเทรน AI เพื่องานทางด้านภาพถ่าย

เทคโนโลยี AI โดยเฉพาะด้าน computer vision เป็นหนึ่งในเทคโนโลยีที่น่าจับตาว่าจะช่วยเพิ่มประสิทธิภาพให้แก่อุตสาหกรรมต่าง ๆ ในอนาคต เพราะนอกจากจะช่วยลดเวลาการทำงานได้แล้ว ยังช่วยประหยัดค่าใช้จ่ายในภาพรวมได้เป็นอย่างดีด้วย โดยฟังก์ชันหลัก 3 ประเภทที่ได้รับความนิยมในการใช้งาน คือ image classification หรือการจำแนกประเภทวัตถุในภาพ object detection หรือการตรวจจับตำแหน่งวัตถุในภาพ และ image segmentation หรือการระบุพื้นที่วัตถุภายในภาพ

เนคเทค สวทช. พัฒนา NomadML (โนแมดเอ็มแอล) แพลตฟอร์มผลิตโมเดล AI ฟังก์ชัน computer vision (ทั้ง 3 ฟังก์ชันหลัก) ในรูปแบบที่ใช้งานง่าย วิธีเทรนไม่ซับซ้อน ที่สำคัญไม่ต้องเขียนโค้ด เหมาะทั้งการใช้ทดสอบระบบหรือ Proof of Concept (PoC) และการผลิตโมเดล AI เพื่อใช้งานจริง โดยแพลตฟอร์มนี้ได้รับการสนับสนุนทุนวิจัยจาก AI for Thai Platform และโครงการยกระดับแพลตฟอร์มการบริหารจัดการข้อมูลทางการแพทย์ภายใต้ Medical AI Consortium

NomadML คือแพลตฟอร์มปัญญาประดิษฐ์ที่ถูกพัฒนาขึ้นสำหรับงานทางด้าน Computer vision โดย NomadML ถูกพัฒนาให้ใช้งานได้ง่ายและเหมาะสมกับผู้ใช้งานทุกประเภท ไม่ว่าจะเป็นผู้ใช้งานทั่วไปหรือผู้เชี่ยวชาญทางด้านปัญญาประดิษฐ์ ผู้ใช้งานที่ไม่มีประสบการณ์หรือไม่เคยเขียนโค้ดมาก่อนก็สามารถเริ่มต้นใช้งานและเทรนโมเดลจากข้อมูลหรือรูปภาพที่เตรียมไว้ก่อนได้

โดย NomadML ประกอบด้วยฟังก์ชันการทำงาน 3 รูปแบบดังต่อไปนี้

การแยกประเภทวัตถุ (Image classification) คือขั้นตอนสำหรับการระบุชนิดของวัตถุที่อยู่ในภาพ
การตรวจจับวัตถุ (Object detection) คือขั้นตอนสำหรับการระบุตำแหน่งของวัตถุที่สนใจที่อยู่ในภาพ
การแยกพื้นที่ภาพ (Image segmentation) คือขั้นตอนในการแบ่งพื้นที่ของภาพตามชนิดของวัตถุที่ต้องการ

จุดเด่นของเทคโนโลยี :

ผู้ใช้งาน NomadML ไม่จำเป็นที่จะต้องมีความเชี่ยวชาญทางด้านการเขียนโปรแกรม เพียงแต่มีความรู้พื้นฐานเกี่ยวกับการนำเทคโนโลยีปัญญาประดิษฐ์ไปใช้สร้างโมเดลสำหรับงานด้าน Computer Vision หรือการตรวจสอบผลิตภัณฑ์ด้วยภาพ

NomadML ได้รับการออกแบบมาให้ครอบคลุมทุกกระบวนการสำคัญที่ใช้ในการเทรนโมเดล ซึ่งประกอบด้วยการเทรนโมเดล การทดสอบโมเดล และการนำโมเดลไปใช้งานนอกระบบ ซึ่งทำให้สุดท้ายโมเดลที่ได้จากการเทรนด้วย NomadML จะไม่ถูกยึดติดว่าต้องใช้งานกับระบบ NomadML เท่านั้น
มีระบบการปรับค่าพารามิเตอร์แบบอัตโนมัติ (Automated hyperparameter optimization) ซึ่งเป็นรูปแบบการทำงานของระบบในการปรับและตั้งค่าพารามิเตอร์ในการเทรนโมเดล เพื่อให้ได้ผลลัพธ์ของโมเดลที่มีความแม่นยำสูงเทียบเคียงกับผลลัพธ์โมเดลจากการปรับและตั้งค่าพารามิเตอร์โดยผู้เชี่ยวชาญ

คุณสมบัติของต้นแบบผลิตภัณฑ์ :

ในกรณีการใช้งานแบบ free use ผู้ใช้งานสามารถใช้งาน NomadML บน web application ได้
โดยมีรายละเอียดเพิ่มเติมดังต่อไปนี้

ผู้ใช้งานมีพื้นที่สำหรับเก็บข้อมูลที่ 2GB
ผู้ใช้งานสามารถใช้งานแพลตฟอร์มได้ต่อเนื่อง 120 นาที
ผู้ใช้งานสามารถอัพโหลดชุดข้อมูลได้ชุดละ 100MB
ผู้ใช้งานสามารถใช้แพลตฟอร์มเพื่อเทรน ทดสอบ และนำออกโมเดลไปใช้งานบนแพลตฟอร์มอื่นได้

ในกรณีการใช้งานแบบ enterprise สามารถติดต่อเข้ามาเพื่อขอรายละเอียดเพิ่มเติมได้

การประยุกต์ใช้งาน :

ใช้เป็นเครื่องมือสำหรับเรียนรู้และทดสอบการใช้งานปัญญาประดิษฐ์ในงานทางด้านการแยกประเภทวัตถุ การตรวจจับวัตถุ หรือการแยกพื้นที่ภาพ
ใช้เป็นเครื่องมือในการสร้างโมเดลปัญญาประดิษฐ์สำหรับงานตรวจนับหรือตรวจสอบคุณภาพผลิตภัณฑ์
ใช้สร้างโมเดลปัญญาประดิษฐ์สำหรับการรู้จำวัตถุเพื่อประยุกต์ใช้กับงานอัตโนมัติอื่น ๆ เช่น หุ่นยนต์สำรวจ หุ่นยนต์บริการ เป็นต้น

กลุ่มลูกค้า/ผู้ใช้งานเป้าหมาย

ผู้ใช้งานทั่วไปที่ต้องการทดลองใช้ปัญญาประดิษฐ์ในงานทางด้าน Computer Vision
บริษัทหรือโรงงานที่ต้องการนำเทคโนโลยีปัญญาประดิษฐ์ไปใช้ในงานตรวจนับหรือตรวจสอบคุณภาพผลิตภัณฑ์ด้วยภาพ
ผู้ประกอบการที่ต้องการเพิ่มประสิทธิภาพสำหรับงานตรวจนับหรือตรวจสอบคุณภาพผลิตภัณฑ์ด้วยภาพ

Zero-Touch Services ระบบให้บริการเน็ตเวิร์คเซอร์วิสด้านความปลอดภัยแบบอัตโนมัติ

Zero-Touch Services ระบบให้บริการเน็ตเวิร์คเซอร์วิสด้านความปลอดภัยแบบอัตโนมัติ

Zero-Touch Services ซีโร่ทัชเซอร์วิส : ระบบให้บริการเน็ตเวิร์กเซอร์วิสด้านความปลอดภัยแบบอัตโนมัติ สำหรับตรวจสอบและเฝ้าระวังภัยคุกคามด้านไซเบอร์ (Zero-Touch Services : An automated Security Management and Orchestration Platform for Cybersecurity Investigation and Mitigation) เป็นแพลตฟอร์มตรวจสอบและวิเคราะห์ภัยคุกคามทางไซเบอร์ที่ได้ถูกพัฒนาขึ้น เพื่อช่วยอำนวยความสะดวกและ ลดภาระงานด้านความปลอดภัยให้กับองค์กร โดยการจัดเตรียมและให้บริการ เน็ตเวิร์กเซอร์วิสด้านความปลอดภัยแบบอัตโนมัติ เพื่อช่วยวิเคราะห์ ตรวจสอบ และเฝ้าระวังภัยคุกคามที่อาจเกิดขึ้นกับองค์กร โดยมีคุณลักษณะที่น่าสนใจ เช่น การบริหารจัดการแบบอัตโนมัติด้วยโซลูชั่น SOAR รองรับรูปแบบการให้บริการ SECaaS การจัดสรรทรัพยากรแบบไดนามิก การวิเคราะห์ จำแนกและจัดลำดับความสำคัญของภัยคุกคาม เป็นต้น ระบบนี้สามารถเก็บข้อมูลและตรวจจับพฤติกรรมที่อาจเป็นภัยคุกคาม และแสดงผลผ่าน Dashboard ที่เข้าใจง่าย ช่วยให้ผู้ดูแลระบบสามารถติดตามสถานะความปลอดภัยได้แบบเรียลไทม์ เพื่อเฝ้าระวังและปกป้องข้อมูลรวมถึงระบบขององค์กรจากการถูกโจมตีหรือเข้าถึงโดยไม่ได้รับอนุญาต พร้อมรองรับการพัฒนาเพิ่มเติมในอนาคต

จุดเด่นของเทคโนโลยี :

ระบบถูกพัฒนาจากซอฟต์แวร์โอเพ่นซอร์ส ลดต้นทุนและสามารถปรับแต่งให้เหมาะกับองค์กรได้อย่างยืดหยุ่น
ระบบรองรับทั้งแบบติดตั้งภายในองค์กร (On-Premise) และใช้งานผ่านคลาวด์ (On-Cloud) เพื่อเก็บและวิเคราะห์ข้อมูลล็อก โดยรองรับทั้งการตรวจจับภัยคุกคามจากเครื่องคอมพิวเตอร์ (Host-based) และจากเครือข่าย (Network-based)
มีระบบ Dashboard สำหรับจัดการและแสดงผล เกี่ยวกับภัยคุกคามที่ตรวจพบแบบเรียลไทม์ ทำให้ช่วยประหยัดเวลาการทำงานของทีมไอที
รองรับการพัฒนาและปรับปรุงฟีเจอร์ใหม่ ๆ ตามความต้องการในอนาคต

การประยุกต์ใช้งาน :

ให้ความสำคัญในการเฝ้าระวัง วิเคราะห์คัดกรอง และตอบสนองต่อภัยคุกคามทางไซเบอร์ด้วยความรวดเร็วแม่นยำและมีประสิทธิภาพ
ใช้เทคโนโลยี Network Functions Virtualization (NFV) เพื่อยกระดับการบริหารจัดการเน็ตเวิร์กเซอร์วิสด้านความปลอดภัยแบบรวมศูนย์ เพิ่มประสิทธิภาพการทำงานทั้งในแง่ความรวดเร็วในการจำลองเน็ตเวิร์กเซอร์วิสด้านความปลอดภัย ความยืดหยุ่นในการจัดสรรทรัพยากร และประสบการณ์ที่ผู้ใช้จะได้รับ
จัดเตรียมและให้บริการเน็ตเวิร์กเซอร์วิสด้านความปลอดภัยประเภทต่าง ๆ เพื่อให้องค์กรผู้รับบริการสามารถเรียกใช้งานได้ตามความต้องการ (on-demand services)
ความสามารถในการตรวจสอบและติดตามสถานะทำงานของระบบ (g., CPU Utilization, VNF Status) การแสดงผลการวิเคราะห์ได้ตามลักษณะเฉพาะของแต่ละองค์กร (Tenant-specific Threat Detection Dashboard)
การช่วยลดค่าใช้จ่ายด้านการลงทุนและค่าดำเนินการต่าง ๆ ที่เกี่ยวกับการรักษาความปลอดภัยในองค์กร

กลุ่มลูกค้า/ผู้ใช้งานเป้าหมาย

หน่วยงานภาครัฐ หรือภาคธุรกิจ (SMEs) ที่มีข้อจำกัดด้านกำลังทรัพย์และกำลังคนผู้มีความเชี่ยวชาญด้านความปลอดภัยไซเบอร์
หน่วยงานผู้ให้บริการ (service providers) ที่สนใจนำแพลตฟอร์มไปติดตั้ง ทดสอบ และใช้งานจริง

แหล่งทุน

กองทุนวิจัยและพัฒนากิจการกระจายเสียง กิจการโทรทัศน์ และกิจการโทรคมนาคม เพื่อประโยชน์สาธารณะ (กทปส.)

วิจัยพัฒนาโดย

ทีมวิจัยความมั่นคงปลอดภัยสารสนเทศ (SEC) กลุ่มวิจัยสื่อสารและเครือข่าย (CNWRG)

เอกสารประกอบ NSTDA: The National Research Engine สวทช. เครื่องยนต์วิจัยแห่งชาติ

NSTDA: The National Research Engine สวทช. เครื่องยนต์วิจัยแห่งชาติ

CYBLION แพลตฟอร์มคุ้มครองความเป็นส่วนตัวไอโอทีด้วยเทคนิคการเข้ารหัสโฮโมมอร์ฟิก

CYBLION: แพลตฟอร์มคุ้มครองความเป็นส่วนตัวไอโอทีด้วยเทคนิคการเข้ารหัสโฮโมมอร์ฟิก

ปัจจุบันคลาวด์ (cloud) มีบทบาทสำคัญอย่างยิ่งกับการใช้ชีวิตของผู้คน เพราะนอกจะเป็นพื้นที่สำหรับจัดเก็บข้อมูลดิจิทัลแล้ว ยังเป็นพื้นที่ประมวลผลข้อมูลหรือ cloud computing อีกด้วย ตัวอย่างการใช้งานทั่วไป เช่น การอัปโหลดข้อมูลไฟล์งานหรือรูปภาพเพื่อความสะดวกในการจัดเก็บและส่งต่อ การใช้สมาร์ตวอตช์ส่งข้อมูลสุขภาพขึ้นจัดเก็บและประมวลผลในคลาวด์เพื่อความสะดวกในการติดตามข้อมูลด้านสุขภาพ ซึ่งหากมองในภาพใหญ่ภาคธุรกิจก็มีการใช้งานคลาวด์เพื่อเพิ่มประสิทธิภาพการวิเคราะห์และประมวลผล รวมถึงเก็บข้อมูลสำคัญขององค์กรและลูกค้าอย่างแพร่หลายแล้วเช่นกัน

โดยทั่วไปก่อนจัดส่งข้อมูลไปประมวลผลบนคลาวด์จะมีการเข้ารหัส (encryption) เพื่อป้องกันการดักฟังข้อมูลระหว่างเส้นทางการส่ง เมื่อข้อมูลไปถึงคลาวด์แล้วคลาวด์จะถอดรหัสข้อมูลมาคำนวณ แล้วเข้ารหัสป้องกันอีกครั้งก่อนจัดส่งผลลัพธ์ให้เจ้าของข้อมูล จะเห็นได้ว่าด้วยวิธีการนี้แม้จะมีการรักษาความปลอดภัยข้อมูลขณะจัดส่ง แต่ก็ยังคงมีช่องโหว่ด้านความปลอดภัยขณะคลาวด์กำลังประมวลผล ซึ่งหากคลาวด์เกิดเหตุข้อมูลรั่วไหล โดนโจรกรรม หรือผู้ให้บริการคลาวด์นำข้อมูลไปใช้ประโยชน์โดยไม่ได้รับอนุญาต เจ้าของข้อมูลก็อาจได้รับความเดือดร้อนอย่างมหาศาล ดังที่เคยเกิดเหตุการณ์กับบริษัทในอุตสาหกรรมการเงิน การแพทย์ ผู้ผลิตอุปกรณ์ดิจิทัล รวมไปถึงการทหาร เพื่อปิดช่องโหว่ดังกล่าว

ดังนั้นระบบรักษาความปลอดภัยของคลาวด์ที่มีประสิทธิภาพสูงจึงเป็นเรื่องจำเป็นอย่างยิ่ง และหนึ่งในเทคโนโลยีที่น่าจับตาว่าจะได้รับความนิยมสูงในอนาคต คือ Privacy-Enhancing Technologies: PETs หรือ เทคโนโลยีคุ้มครองความเป็นส่วนตัวของข้อมูล ที่ช่วยเพิ่มการปกป้องข้อมูลของผู้ใช้งานขึ้นอีกระดับ ออกแบบมาเพื่อแก้ปัญหาช่องโหว่ดังกล่าว ข้อมูลที่ส่งขึ้นคลาวด์จะผ่านการเข้ารหัสด้วยวิธีการใหม่ที่ป้องกันการดักฟังข้อมูลระหว่างทางได้ และเมื่อข้อมูลไปถึงคลาวด์ คลาวด์จะคำนวณข้อมูลเหล่านั้นได้โดยไม่ต้องถอดรหัส หรือหมายความว่ามีเพียงเจ้าของข้อมูลที่มีกุญแจเท่านั้นที่จะเข้าถึงเนื้อหาของข้อมูล ทั้งข้อมูลต้นฉบับและข้อมูลที่ผ่านการคำนวณแล้วได้ วิธีการนี้จึงมีความปลอดภัยในการใช้งานมากกว่า

เนคเทค สวทช. ได้พัฒนาเทคโนโลยี PETs ในชื่อ Cyblion (ไซบิลเลียน) ไว้ใช้ให้บริการแพลตฟอร์ม IoT แล้ว ซึ่งเทคโนโลยีนี้จะมีส่วนช่วยสนับสนุนให้ภาคอุตสาหกรรมไทยก้าวผ่านสู่ยุคอุตสาหกรรม 4.0 ด้วยความมั่นใจและปลอดภัยยิ่งขึ้น เป็นแพลตฟอร์มคุ้มครองความเป็นส่วนตัวไอโอทีด้วยเทคนิคการเข้ารหัสโฮโมมอร์ฟิก หรือ CYBLION: Privacy-Preserving IoT Platform by Homomorphic Encryption ทางออกสำหรับการแก้ปัญหาด้านความปลอดภัยและความเป็นส่วนตัวของข้อมูลไอโอที มีเป้าหมายดังนี้

แพลตฟอร์ม CYBLION ป้องกันการละเมิดด้านข้อมูลรั่วไหลสู่ผู้ไม่ได้รับอนุญาตให้เข้าถึงข้อมูล ถึงแม้ว่าคลาวด์ที่ให้บริการจะถูกแฮก แต่ข้อมูลที่อยู่ในคลาวด์จะไม่ถูกเปิดเผย
เพื่อให้บริการคุ้มครองความเป็นส่วนตัวของข้อมูลของอุปกรณ์ไอโอทีด้วยการเข้ารหัสแบบโฮโมมอร์ฟิกที่สามารถประยุกต์ใช้กับงานภาคอุตสาหกรรม โดยที่ผู้ใช้งานไม่จำเป็นต้องมีความเชี่ยวชาญด้านวิทยาการเข้ารหัส

กลไกการทำงานของ CYBLION คือ การเข้ารหัสแบบพิเศษที่ส่งข้อมูลไปประมวลบน PEC-Cloud ได้โดยไม่จำเป็นต้องถอดรหัสเพื่อคำนวณข้อมูล ผู้เดียวที่จะมีกุญแจถอดรหัสข้อมูลทั้งข้อมูลดิบและข้อมูลที่ผ่านการประมวลผลแล้วคือเจ้าของข้อมูลเท่านั้น ทำให้วิธีการนี้มีความปลอดภัยสูงกว่าเดิมมาก แม้เกิดเหตุการณ์ข้อมูลรั่วไหลไม่ว่าด้วยสาเหตุใดก็ตาม ผู้ที่ได้รับข้อมูลไปจะไม่สามารถเปิดดูข้อมูลได้

ระบบนี้เหมาะกับ SI (System Integrator) รวมถึงผู้ออกแบบและพัฒนาระบบ IoT (Internet of Things) และ IIoT (Industrial Internet of Things) ที่สนใจใช้งาน PEC-Cloud