เนคเทคคว้า 3 รางวัลในงาน “วันนักประดิษฐ์ 2563” (Thailand Inventors’ Day 2020)

เนคเทคคว้า 3 รางวัลในงาน “วันนักประดิษฐ์ 2563” (Thailand Inventors’ Day 2020)

เมื่อวันที่ 2 กุมภาพันธ์ 2563 รศ.นพ. สรนิต ศิลธรรม ปลัดกระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม เป็นประธานในพิธีเปิดพร้อมมอบรางวัล ในโอกาสนี้ ดร. พนิตา พงษ์ไพบูลย์ รองผู้อำนวยการศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ (เนคเทค) ร่วมแสดงความยินดีกับทีมวิจัยเนคเทคที่คว้ารางวัลในปีนี้อีกด้วย โดยเนคเทคได้รับรางวัล ทั้งสิ้น 3 ผลงาน ดังนี้

ผลงานประดิษฐ์คิดค้น จำนวน 2 รางวัล ดังนี้ 

ระดับดีมาก สาขาวิศวกรรมศาสตร์และอุตสาหกรรมวิจัย

onSpec VULCAN: เครื่องเคลือบฟิล์มบางสำหรับซิปขยายสัญญาณรามาน

OnSpec VULCAN: เครื่องเคลือบฟิล์มบางสำหรับชิปขยายสัญญาณรามาน

โดยทีมวิจัยเทคโนโลยีเซนเซอร์แสงไฟฟ้าเคมี (OEC)

ได้รับรางวัลผลงานประดิษฐ์คิดค้นระดับดีมากจากสภาวิจัยแห่งชาติ

OnSpec VULCAN เป็นต้นแบบการผลิตชิปขยายสัญญาณรามานเครื่องแรกของประเทศไทย ด้วยเทคนิคการเคลือบฟิล์มชั้นสูง OnSpec VULCAN สามารถเคลือบฟิล์มบางโครงสร้างนาโนในรูปแบบต่าง ๆ ได้อย่างเต็มประสิทธิภาพ สามารถรองรับการผลิตเซนเซอร์ชนิดชิปขยายสัญญาณรามานแบบฟิล์มบางโลหะเงินได้เป็นจำนวนมากเพื่อรองรับการจำหน่ายเชิงพาณิชย์

พัฒนาโดย: ดร.พิทักษ์ เอี่ยมชัย, นายวิยะพล พัฒนะเศรษฐกุล, นายศักย์ศรณ์ ลิ้มวิเชียร, ดร.มติ ห่อประทุม, ดร.นพดล นันทวงศ์, ดร.พงศ์พันธ์ จินดาอุดม, นายทวี ป๊อกฝ้าย และ นายอัศวพงษ์ ทรัพย์พัฒน์

 

ระดับดี สาขาการศึกษา

KidBright: บอร์ดส่งเสริมการเรียนโค้ดดิ้งและ STEM Education

 

KidBright: บอร์ดส่งเสริมการเรียนโค้ดดิ้งและ STEM Education

โดยทีมวิจัยเทคโนโลยีสมองกลฝังตัว (EST)

ได้รับรางวัลผลงานประดิษฐ์คิดค้นระดับดี สาขาการศึกษาจากสภาวิจัยแห่งชาติ

KidBright บอร์ดส่งเสริมการเรียนโค้ดดิ้งและสเต็ม ได้รับการออกแบบและพัฒนาทั้ง ฮาร์ดแวร์ (บอร์ดKidBright) และซอต์ฟแวร์ (KidBright IDE) โดยคำนึงถึงความง่ายของการใช้งานเหมาะสำหรับนักเรียนระดับประถมปลายและมัธยมต้น โดยเฉพาะอย่างยิ่งนักเรียนที่ต้องการความช่วยเหลือพิเศษ ช่วยลดความซับซ้อนของการเชื่อมต่อเซนเซอร์ที่ต้องอาศัยความรู้ระดับสูงเกี่ยวกับวงจรอิเล็กทรอนิกส์

รวมถึงการพัฒนาส่วน Device Manager ที่คอยบริหารจัดการเรื่องการรับส่งข้อมูลจากเซนเซอร์และอุปกรณ์ที่มาเชื่อมต่อให้สามารถแก้ไขปัญหาต่าง ๆ ที่มีในบอร์ดสมองกลฝังตัวทั่วไป เช่น การแก้ไขปัญหาภาวะ blocking จากการรับส่งข้อมูลของเซนเซอร์และอุปกรณ์ที่มาเชื่อมต่อมากกว่า 1 ชนิด การสอนการเขียนโปรแกรมแบบ Multi-tasking การสอนความรู้เรื่อง IoT (Internet of Things) เป็นต้น โดยบล็อก IoT จาก KidBright ถูกออกแบบให้ใช้งานง่าย พร้อมกันนี้ KidBright IDE รองรับการเพิ่มบล็อกที่พัฒนาขึ้นโดยผู้อื่น หรือ Plugins เพิ่มเติมอีกด้วย

นวัตกรรมนี้ส่งผลให้มีการพัฒนาเยาวชนให้มีศักยภาพกระบวนการคิด พัฒนาบุคลากรทางการศึกษาให้มีความรู้ในเทคโนโลยีใหม่ ๆ ยกระดับการศึกษาของประเทศ และกระตุ้นให้เกิดสังคมนวัตกรรม

พัฒนาโดย ดร.เสาวลักษณ์ แก้วถำเนิด, ดร.อภิชาติ อินทรพานิชย์, นายอนุซิต ลีลายุทธิ์โท และ นางสาวพีรนันท์ กาญจนาศรีสุนทร

รางวัลวิทยานิพนธ์ 1 รางวัล

ระดับดี สาขาเทคโนโลยีสารสนเทศและนิเทศศาสตร์

การพัฒนาระบบอ่านปากโดยใช้เทคโนโลยีโครงข่ายประสาทเทียมเชิงลึก ร่วมกับแบบจำลองมาร์คอฟซ่อนเร้น

(Computer Lipreading Via Hybrid Deep Neural Network Hidden Markov Models)

โดย ดร.ขวัญชีวา แตงไทย – นักวิจัยทีมวิจัยเข้าใจเสียงและข้อความ ได้รับรางวัลวิทยานิพนธ์

ระดับดี สาขาเทคโนโลยีสารสนเทศและนิเทศศาสตร์

การสร้างระบบอ่านปากให้ใช้งานได้จริงเป็นความท้าทายมากเหตุผลหลักเนื่องมาจากข้อมูลที่เห็นจากการขยับปากเป็นข้อมูลเพียงแค่ 30% ของระบบการออกเสียงทั้งหมดของมนุษย์ หลายงานวิจัยได้รายงานประสิทธิภาพความถูกต้องของการอ่านปากในระดับสูง โดยจำกัดการทำงานไว้ที่จำนวนคำศัพท์ไม่เกิน 50 คำ แต่สิ่งที่ยังขาดคือการพัฒนาให้ระบบอ่านปากทำงานรองรับจำนวนคำศัพท์ขนาดใหญ่

งานวิจัยชิ้นนี้ได้มุ่งเน้นการพัฒนาระบบอ่านปากเพื่อใช้งานจริง โดยมีเป้าหมายรองรับจำนวนคำศัพท์ขนาดมากกว่า 5,000 คำขึ้นไป ระบบอ่านปากในงานวิจัยชิ้นนี้ถูกพัฒนาโดยใช้เทคโนโลยีโครงข่ายประสาทเทียมเชิงลึกร่วมกับแบบจำลองมอร์คอฟซ่อนเร้น (DNN-HMMs)

เมื่อทำการทดสอบกับคลังข้อมูลเสียงภาษาอังกฤษทีซีดี-ทีมิด (TCD-TIMIT) มีคำศัพท์ขนาด 6000 คำ พบว่าเราสามารถสร้างระบบอ่านปากอัตโนมัติที่มีความถูกต้องสูงถึง 59.42% เมื่อใช้ DNN-HMMs ร่วมกับการประมวลผลข้อมูลแบบดีฟออโต้เอนโค้ดเดอร์ (Deep autoencoder) ซึ่งงานวิจัยชิ้นนี้ได้รายงานผลความถูกต้องที่สูงที่สุดของระบบอ่านปากที่รองรับคำศัพท์ขนาดใหญ่ที่เคยรายงานบนฐานข้อมูล TCD-TIMIT

นอกจากนั้นงานวิจัยชิ้นนี้ยังได้อภิปรายถึงประสิทธิผลของแบบการใช้จำลอง DNN-HMMs ในระบบอ่านปากอัตโนมัติด้วยการอธิบายข้อมูลแบบเห็นภาพ (Data visualization) และยังทำการวิเคราะห์ความผิดพลาดของระบบอ่านปากเพื่อเสนอแนวทางการในการปรับปรุงระบบ ได้ในอนาคต