MVIT Research LAB

พบกับ รศ.ดร.วรพันธ์ คู่สกุลนิรันดร์ 🎤 ร่วมเป็นวิทยากรถ่ายทอดความรู้ในการบรรยายหลักการพื้นฐานโปรแกรมปัญญาประดิษฐ์ และ Ai in Medical Imaging ในการประชุมเชิงปฏิบัติการเรื่อง "การพัฒนาศักยภาพบุคลากรสู่การใช้งานปัญญาประดิษฐ์ใน Clinical Workflow อย่างมีประสิทธิภาพ" โดยภาควิชารังสีวิทยา และหน่วยวิจัยเพื่อขับเคลื่อนนโยบายสุขภาพ คณะแพทยศาสตร์ศิริราชพยาบาล มหาวิทยาลัยมหิดล ในวันศุกร์ที่ 19 มิถุนายน พ.ศ. 2569 ณ โรงแรมทราเวลลอดจ์ นิมมาน จังหวัดเชียงใหม่

Assoc. Prof. Dr. Worapan Kusakunniran on Ai fundamentals and Ai in Medical Imaging at a workshop in ChiangMai on Friday, June 19, 2026. Held at the Travelodge Hotel Nimman, the event "Developing Personnel Potential to Effectively Use Artificial Intelligence in Clinical Workflow"
🩻 Organized by the Department of Radiology and The Siriraj Health Policy, Faculty of Medicine Siriraj Hospital, Mahidol University.

Machine Learning Pipelines for Image-based Classification of Rice Grain Varieties: A Systematic Literature Review, Jnournal: IEEE Access
วันนี้มาพบกับผลงานตีพิมพ์ การสรุปภาพรวมงานวิจัยของกระบวนการทำงานระบบ Ai เพื่อแยกสายพันธุ์ข้าวจากรูปภาพ
โดยนักศึกษาทุนปริญญาเอกอาจารย์ก๊อจ Mr.Disathon Wattanadhirach และอาจารย์ที่ปรึกษา Assoc.Prof.Dr.Worapan Kusakunniran
งานนี้เกี่ยวกับ🌾ข้าวซึ่งเป็นหนึ่งในอาหารหลักที่มีมูลค่าต่างกันตามสายพันธุ์ ดังนั้นการตรวจสอบ Authenticity และ Purity นับเป็นกระบวนการมาตรฐานSupply chain ในช่วงหลายปีที่ผ่านมา มีการศึกษาการประยุกต์ใช้ Image-based Machine Learning เพิ่มขึ้นอย่างต่อเนื่อง เพื่อเป็นแนวทางแบบไม่ทำลายสภาพวัตถุ (Non-destructive approach) สำหรับการทำ Rice variety classification โดยอาศัยข้อมูลภาพของเมล็ดข้าว งานวิจัยชิ้นนี้จึงได้ทำ Systematic Literature Review (SLR) โดยทำการรวบรวม สรุป และจำแนกกลุ่มงานวิจัยที่เกี่ยวข้องทั้งหมดตามลักษณะของ Workflow ตามไปอ่านกันได้ใน Link ครับ 🐰

Abstract: Rice is one of the staple foods whose value varies depending on the varieties. Inspection for its authenticity and purity is a standard process in the supply chain. Over the past decade, image-based machine learning has increasingly been studied as a non-destructive approach for rice variety classification using grain visual information. To methodically portray the existing work, this study conducts a systematic literature review by gathering, summarizing, and grouping related studies into categories based on their workflows. From 101 studies, the identified pipelines were categorized as classification-only, separation-and-classification, and reconstruction-and-classification structures. The review summarizes study characteristics, input transformations, model categories, reported evaluation metrics, normalized performance summaries, and cross-structure findings, with indexed end-to-end tables provided for further reference. Overall, this review supports researchers in selecting workflow designs aligned with their objectives or deployment conditions, while highlighting limitations, research directions, and reporting recommendations to improve reproducibility and cross-study comparability in future studies.
#ข้าวไทย

ของแสดงความยินดีกับ รศ.ดร.วรพันธ์ คู่สกุลนิรันดร์ คณะเทคโนโลยีสารสนเทศและการสื่อสาร 🏅 ในโอกาสเข้ารับพระราชทานเครื่องราชอิสริยาภรณ์อันเป็นที่สรรเสริญยิ่งดิเรกคุณาภรณ์ แก่นักวิจัยดีเด่น ประจำปี2568 กระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม
และอาจารย์อีก 2 ท่าน ของมหาวิทยาลัยมหิดล
•ศ.ดร.นริศรา จันทราทิตย์ คณะเวชศาสตร์เขตร้อน
•รศ.ดร.รักชาติ ไตรผล คณะวิทยาศาสตร์

Congratulations 🎊 to our team Mahidol University and Let's do the lab Chulalongkorn University for The Manuscript was accepted in Discover Artificial Intelligence, “Mangosteen Grading using Image Regression under Multiple Views”

Let’s celebrate! 🥳 Big congratulations to P’Meng Kontawat (M.Sc. student, Faculty of ICT) for winning the Best Poster Presentation Award 🏆 “Detection and Temporal Tracking of Pigs in Farming Environments Using a Camera System” 📰 at CCAI 2026 in Nanjing, China! Way to make us proud! ✨👏
#มหาวิทยาลัยมหิดล #กรมปศุสัตว์ #มหาวิทยาลัยเชียงใหม่

พบกับผลงานตีพิมพ์ของนักศึกษาปริญญาโท
การจับและจำแนกยุง🦟และริ้นด้วยAi 🤖 (Deep Learning-Based Detection and Classification of Mosquitoes and Culicoides)
Krittapong Hongkajorn, Juntra Wattanamethanont, Kittichai Unjit, Sirawich Vachmanus & Worapan Kusakunniran
#มหาวิทยาลัยมหิดล #กรมปศุสัตว์
งานวิจัยนี้นำเสนอแนวทางการประยุกต์ใช้เทคโนโลยีการเรียนรู้เชิงลึก (Deep Learning) สำหรับการตรวจจับและจำแนกชนิดของแมลงพาหะนำโรค ได้แก่ ยุง ริ้นรำคาญ (Culicoides midges) และแมลงวัน เพื่อทดแทนวิธีการดั้งเดิมซึ่งใช้เวลานาน ใช้แรงงาน และมีความเสี่ยงต่อความผิดพลาดของคน โดยเฉพาะเมื่อมีแมลงหลายชนิดปะปนกันในภาพเดียว จากผลการทดลองเราสามารถเพิ่มประสิทธิภาพในการเฝ้าระวังทางกีฏวิทยาในห้องปฏิบัติการได้อย่างดี อย่างไรก็ตาม โมเดลยังมีข้อจำกัดในการตรวจจับแมลงขนาดเล็กมากที่ถูกบดบัง หรือการจำแนกสิ่งเจือปน (Artifacts) ผิดพลาด ซึ่งทิศทางของงานวิจัยในอนาคตจะมุ่งเน้นไปที่การขยายความหลากหลายของชุดข้อมูล และการศึกษาแนวทางแบบ Self-supervised หรือ Transformer-based เพื่อเพิ่มขีดความสามารถต่อไป

This study proposes a deep learning-based framework for the automated detection and classification of infectious disease vectors, specifically mosquitoes, Culicoides midges, and flies. The primary objective is to overcome the limitations of conventional manual microscopic inspection, which is labor-intensive, time-consuming, and prone to human error, particularly in complex, multi-species environments. The proposed YOLO-based approach provides a highly effective and scalable solution for entomological surveillance. Despite its success, the model faces minor limitations, such as the occasional misclassification of non-insect artifacts and missed detections of heavily occluded micro-insects. Future work will focus on expanding dataset diversity and exploring self-supervised learning or transformer-based architectures to further refine small-object detection in complex backgrounds.