งานวิจัยนี้เกี่ยวข้องกับการแยกอัตลักษณ์ตัวบุคคลโดยอัตโนมัติผ่านกล้องวิดีโอหรือกล้องวงจรปิดด้วยลักษณะทางชีวภาพ โดยการพัฒนาวิธีการและโปรแกรมคอมพิวเตอร์ในการอ่านและทำความเข้าใจภาพและวิดีโอโดยอัตโนมัติ ลักษณะทางชีวภาพที่ใช้ในปัจจุบัน คือ ภาพลายพิมพ์นิ้วมือ ภาพถ่ายดวงตา และภาพใบหน้า แต่ข้อมูลทางชีวภาพเหล่านี้ไม่สามารถใช้กับระบบกล้องวงจรปิดได้ เนื่องจากมีข้อจำกัดหลายอย่าง เช่น ลายนิ้วมือต้องการการสัมผัสกับอุปกรณ์อ่าน ดวงตาไม่สามารถถูกอ่านในกล้องคุณภาพต่ำและในระยะไกล ใบหน้าไม่สามารถถูกบันทึกได้ในบางมุมกล้อง ดังนั้นในงานวิจัยนี้จึงได้นำลักษณะทางชีวภาพทางเลือก คือรูปแบบการเดินมาใช้ในการระบุตัวบุคคล ซึ่งได้ผ่านการศึกษาแล้วว่าเป็นหนึ่งในข้อมูลเฉพาะของบุคคล

การทดสอบกับข้อมูลในห้องทดลองให้ความแม่นยำที่สูงมาก แต่เมื่อนำมาทดสอบกับข้อมูลในสภาวะจริงที่มีการเปลี่ยนแปลงของเงื่อนไขและสภาพแวดล้อมของการเดิน เช่น ความเร็วของการเดิน ทิศทางของการเดิน และเสื้อผ้าที่สวมใส่ ทำให้ความแม่นยำในการจดจำลดลง งานวิจัยนี้จึงได้พัฒนาต่อยอดในการระบุอัตลักษณ์โดยใช้รูปแบบการเดินภายใต้การไม่จำกัดเงื่อนไขและสภาพแวดล้อมของการเดิน โดยการดึงข้อมูลภาพและวิดีโอที่มีความคงที่ในรูปแบบของ spatial-temporal description ดังที่แสดงในรูปภาพ ซึ่งจะเป็นการใช้เทคนิคการคำนวนขั้นสูงในการประมวลผลภาพ วิธีการที่พัฒนาขึ้นมาใหม่นี้สามารถนำไปประยุกต์ใช้ได้จริงในระบบการรักษาความปลอดภัยด้วยกล้องวงจรปิด เพื่อเพิ่มความปลอดภัยในพื้นที่ที่ต้องการ เนื่องจากวิธีการที่พัฒนามาใหม่เหล่านี้ ถูกคำนึงถึงการเปลี่ยนแปลงของเงื่อนไขต่างๆที่สามารถเกิดขึ้นได้ในสถานการณ์จริง สามารถใช้เป็นส่วนหนึ่งในการสร้าง smart city หรือเมืองอัจฉริยะ ในการเพิ่มความฉลาดแบบอัตโนมัติให้กับระบบกล้องวงจรปิด ในการใช้ข้อมูลไบโอแมทริกซ์ในการระบุอัตลักษณ์บุคคล โดยสามารถเพิ่มความแม่นยำโดยการใช้รูปแบบการเดินและภาพใบหน้าประกอบกัน

นอกจากเทคโนโลยี ไบโอเมตริก จะถูกใช้ประโยชน์อย่างแพร่หลายในการยืนยันตัวบุคคลในเอกสารราชการ การรักษาความปลอดภัย การยืนยันสิทธิ์ และด้านการแพทย์ หรือแม้กระทั่งการทำธุรกรรมบนโลกดิจิทัล ใครจะรู้บ้างว่าเทคโนโลยีเหล่านี้ถูกนำไปใช้ใน “ควาย” อีกด้วย ใน “โครงวิจัยการพัฒนาวิธีการระบุเอกลักษณ์เฉพาะตัวของกระบือปลักด้วยเทคโนโลยีไบโอเมตริก” ที่รวบรวมข้อมูลกระบือปลักของไทยจากอัตลักษณ์เฉพาะตัวจากรูปภาพกว่า 12,878 รูป และเผยแพร่ฟรี 

Recently, the biometric related technologies have been widely used for identity verification in official documents, security authentication and medical services, including conducting transactions in the digital world. These technologies will also be used in “buffaloes” !!! In the research project on the development of methods for identifying the identification of swamp buffaloes with biometric technology, it collects information of Thai swamp buffaloes over 12,878 images for building up the new biometric technology of buffalo identification. This dataset is also available for free for research uses. 

จากความร่วมมือในการวิจัยและดำเนินกิจกรรม กับ สำนักงานพัฒนาการวิจัยการเกษตร (องค์การมหาชน) หรือ สวก. และ คณะสัตวแพทยศาสตร์  ที่เล็งเห็นถึงความสำคัญในการนำเทคโนโลยีเข้ามาใช้ให้เกิดประโยนช์แก่วงการอุสาหรรมการเกษตร หน่วยงานราชการ ตลอดจนไปถึงเกษตรกรผู้เลี้นงสัตว์ Lab ของเราได้มีส่วนร่วมในการนำเทคโนโลยีมาช่วยแก้ไขปัญหาในหลากหลายรูปแบบ เช่น การใช้ลายพิมจมูกควายในการระบุตัวตนของสัตว์เพื่อตรวจสอบการเคลื่อนย้ายและใช้ในการบริหารจัดการสัตว์ในฟาร์ม (Development of Swamp Buffalo (Bubalus Bubalis) Identification using Biometric Feature, การพัฒนาวิธีการระบุเอกลักษณ์เฉพาะตัวของกระบือปลักด้วยเทคโนโลยีไบโอเมตริก) การควบคุมโรคของสัตว์เป็นการสร้างโมเดลและแสดงการกระจายตัวของสัตว์โดยใช้ประชากรสุนัขเป็นต้นแบบ ที่สามารถปรับเปลี่ยนใช้งานกับสัตว์ประเภทอื่นได้ (Simulation of Dog’s Behavior using Population Density of Probabilistic Model) และอีกงานที่ตรวจดูการเคลื่อยย้ายสัตว์และโรคที่เกิดจากกิจกรรมดังกล่าวโดยศึกษาโรคสมองอักเสบนิปาห์กับการเคลื่อนย้ายหมู (Nipah virus attacks pig trade chains in Thailand)

โครงการวิจัยนี้ มีวัตถุประสงค์หลักในการพัฒนาวิธีการและโปรแกรมคอมพิวเตอร์ ในการค้นหาและแบ่งระดับความรุนแรงของโรคเบาหวานขึ้นจอตาในภาพถ่ายจอประสาทตา ในรูปแบบอย่างเป็นอัตโนมัติ เพื่อที่จะสามารถช่วยในการคัดกรองภาพถ่ายจอประสาทตา สำหรับระดับความรุนแรงขั้นต้นที่สามารถรักษาให้หายขาดได้ หรือระดับความรุนแรงของโรคที่ต้องการการช่วยเหลืออย่างเร่งด่วน เพื่อไม่ให้เข้าสู่ภาวะการเสียการมองเห็น การมีโปรแกรมคอมพิวเตอร์ที่สามารถค้นหาโรค และวิเคราะห์ระดับความรุนแรงได้อย่างอัตโนมัติ จะสามารถช่วยให้การตรวจภาพถ่ายจอประสาทตาเข้าถึงคนไทยได้มากขึ้น โดยเฉพาะในบริเวณที่ห่างไกลสถานพยาบาล การพัฒนาในโครงการนี้ ใช้วิธีการประมวลภาพขั้นสูงในการแยกพื้นที่ภาพที่สามารถระบุระดับความรุนแรงได้ เช่น Hard Exudates, Microaneurysms และ Abnormal Blood Vessels ซึ่งสามารถใช้ต่อในการวิเคราะห์และประมวลผลการแยกระดับความรุนแรง โดยใช้การเรียนรู้ด้วยตัวเองของคอมพิวเตอร์ หรือ Machine Learning และในอีกส่วนของการพัฒนา คือ การใช้เทคนิคการเรียนรู้เชิงลึก เพื่อเรียนรู้ลักษณะของโรคเบาหวานขึ้นจอตาในแต่ละระดับเพื่อให้สามารถแยกภาพถ่ายจอประสาทตาได้ วิธีการและโปรแกรมคอมพิวเตอร์ที่พัฒนาขึ้นมา ได้ทำการวัดประสิทธิภาพในทั้งมุมมองของการแยกพื้นที่ส่วนภาพในการระบุโรคออกจากพื้นที่ส่วนหลัง และการแยกระดับโรคของแต่ละภาพ ผลการทดลองได้ผลลัพธ์ที่น่าเชื่อถือด้วยความแม่นยำโดยเฉลี่ยมากกว่า 80% ในการแยกระดับของโรคในทุกระดับ

Ai in Medical Imaging ตัดเฉพาะช่วงจากงาน Mahidol Ai Talk อาจารย์เอ รศ.ดร.วรพันธ์ คู่สกุลนิรันดร์

ข้าวเป็นอาหารหลักของประเทศไทย และมีอยู่หลากหลายสายพันธุ์ โดยแต่ละสายพันธุ์นั้น จะมีลักษณะที่แตกต่างกัน ทุกครั้งที่มีการซื้อขายข้าวจากโรงสี จำเป็นต้องมีการสุ่มตรวจสอบว่าข้าวในกระสอบนั้น ๆ ว่าภายในมีข้าวสายพันธุ์ไหนอยู่บ้าง เพื่อความโปร่งใสในการซื้อขายเมล็ดข้าว แต่เนื่องด้วยปัจจุบันผู้ที่มีความรู้ และความเชี่ยวชาญ ในการแยกเมล็ดพันธุ์ข้าวด้วยตาเปล่ามีจำนวนน้อย หากโรงสีใดไม่มีผู้ที่มีความรู้หรือเชี่ยวชาญที่สามารถจำแนกสายพันธุ์ของเมล็ดข้าวได้ ก็อาจจะเกิดปัญหาหรือการโกงในกระบวนการแลกเปลี่ยนข้าวได้

ซึ่งจากปัญหาข้างต้น ทำให้ทางทีมผู้จัดทำเห็นว่า หากมีแบบจำลองข้อมูลที่สามารถช่วยเพิ่มประสิทธิภาพ ในกระบวนการคัดแยกสายพันธุ์ข้าวในโรงสีได้ก็จะเป็นผลดี โดยกรอบความคิดที่นำเสนอจะเริ่มจากทำแบบจำลองข้อมูล (Model) ซึ่งจะประกอบไปด้วยการเก็บข้อมูล (Data Acquisition), การเตรียมข้อมูล (Data Preparation), การสร้างแบบจำลองข้อมูล (Data Modelling) และการประเมินผล (Model Evaluation) จากนั้นจะนำแบบจำลองข้อมูลที่มีประสิทธิภาพเพียงพอแล้ว ไปพัฒนาส่วนติดต่อกับผู้ใช้อย่างง่าย เพื่อทำให้เห็นภาพผลลัพธ์หลังจากการจำแนกแล้ว (Visualization)

MobileApplication สำหรับการประเมินสมรรถภาพและช่วยในการเรียนรู้การออกกำลังกายผู้สูงอายุ ทีมMU-Testing เทคโนโลยี “แอปประเมินสมรรถภาพ : ผู้ช่วยเรียนรู้การออกกำลังกายในผู้สูงวัย“ ผลงานนวัตกรรมโดย มหาวิทยาลัยมหิดล ภายใต้การบูรณาการร่วมกันระหว่าง วิทยาลัยวิทยาศาสตร์และเทคโนโลยีการกีฬา (MUSS) และ คณะเทคโนโลยีสารสนเทศและการสื่อสาร (ICT) เชื่อมั่นได้ว่าการดูแลสุขภาวะผู้สูงวัยเพื่อการมีชีวิตที่ยืนยาวสามารถทำได้เพียงแค่ปลายนิ้ว เป็นการใช้ปัญญาประดิษฐ์ (AI) ที่ใช้เทคโนโลยี computer vision ซึ่งสามารถระบุและตรวจสอบตำแหน่งการเคลื่อนไหวของกล้ามเนื้อ และข้อต่อในส่วนต่างๆ ของร่างกาย

FunnyCV เป็นแอปพลิเคชันบนเดสก์ท็อปที่ใช้คอมพิวเตอร์วิทัศน์ (Computer Vision) มาประกอบกับการทำกิจกรรมบำบัด เพื่อกระตุ้นผู้ป่วยเด็กในการทำกิจกรรมทางร่างกาย ช่วยให้ผู้ป่วยสามารถพัฒนาการทำงานร่วมกันของตาและมือ และพัฒนาความสามารถการเคลื่อนไหวของกล้ามเนื้อมัดเล็กบนมือและข้อมือในเด็กอายุ 3 ขวบขึ้นไป ด้วย Interface ที่น่ารักและใช้งานง่าย แอปพลิเคชัน FunnyCV จะช่วยให้เด็กสามารถทำกิจกรรมบำบัดได้ทุกที่ผ่านคอมพิวเตอร์ โน้ตบุ๊ก หรือแลปทอป โดยนักกิจกรรมบำบัดสามารถตรวจสอบและประเมินพัฒนาการของเด็กผ่านการรวบรวมข้อมูลจากแอปพลิเคชัน แอปพลิเคชัน FunnyCV ได้รับรางวัลการวิจัยแห่งชาติ ประจำปีงบประมาณ 2567 รางวัลผลงานประดิษฐ์คิดค้น ระดับประกาศเกียรติคุณ สาขาเทคโนโลยีสารสนเทศและนิเทศศาสตร์ ผลงานเรื่อง “แอปพลิเคชันเชิงโต้ตอบที่ควบคุมด้วยการเคลื่อนไหวผ่านระบบกล้องเพื่อพัฒนาทักษะการประสานระหว่างการเคลื่อนไหวของมือ และการมองเห็นในกิจกรรมบำบัด” (Computer Vision Based Interactive Application to Improve Eye-hand Coordination Skill in Occupational Therapy)