โครงงานนี้ศึกษาการปรับปรุงโครงสร้างเทคโนโลยีของระบบซอฟต์แวร์ (Technology Stack Modernization) และการพัฒนาไลบรารีภายในองค์กรขึ้นมาทดแทนการใช้งานไลบรารีจากภายนอก (External Libraries) เพื่อลดข้อจำกัดและลดการพึ่งพา External Dependencies โดยดำเนินการปรับเปลี่ยนโครงสร้างฝั่ง Frontend จาก Angular เวอร์ชัน 9 สู่เวอร์ชัน 19 และพัฒนาฝั่ง Backend ด้วยภาษา C# พร้อมกลไกทดสอบระบบอัตโนมัติ ผลการดำเนินงานพบว่าระบบทำงานได้อย่างถูกต้องสมบูรณ์ ข้อมูลมีความถูกต้องแม่นยำ 100% ผ่านการทดสอบแบบ Regression Test และฟังก์ชันการทำงานมีระดับความถูกต้องโดยรวมมากกว่า 90% ช่วยลดความซับซ้อนของโค้ดและส่งเสริมการบำรุงรักษาในระยะยาว

โครงงานนี้เป็นการพัฒนาระบบสารสนเทศเพื่อจัดการข้อมูลปฐมภูมิให้อยู่ในรูปแบบดิจิทัล สำหรับแก้ไขปัญหาการจัดการข้อมูลเดิมขององค์กร เช่น ปัญหาเอกสารกระจัดกระจาย การกรอกข้อมูลที่ซ้ำซ้อน และการจัดเก็บข้อมูลที่ไม่เป็นระบบ ระบบพัฒนาขึ้นโดยใช้เครื่องมือภายใน Microsoft Platform ร่วมกับการประมวลผลและแสดงผลข้อมูลในรูปแบบ Dashboard ผ่าน Tableau ผลการดำเนินงานพบว่าระบบสามารถลดขั้นตอนและระยะเวลาในการค้นหาข้อมูลลงได้อย่างมีนัยสำคัญ (จาก 111 วินาที เหลือ 42 วินาที) อีกทั้งยังช่วยย้ายฐานข้อมูลสู่ศูนย์กลางเดียวกัน และเพิ่มความยืดหยุ่นให้ผู้ใช้สามารถเข้าถึงและจัดการข้อมูลผ่านโทรศัพท์มือถือได้อย่างสะดวกและรวดเร็ว

โครงงานนี้เป็นการพัฒนาระบบอัตโนมัติเพื่อวิเคราะห์การเจริญเติบโตและตรวจจับความผิดปกติของพืช (Automated Plant Phenotyping) ขับเคลื่อนด้วยสถาปัตยกรรมแบบตามเหตุการณ์ (Event-driven) ผ่านเทคนิคประมวลผลภาพ (Image Processing) ร่วมกับปัญญาประดิษฐ์ Deep Learning (YOLO) และ IoT Dashboard เพื่อแก้ไขปัญหาความคลาดเคลื่อนจากแรงงานมนุษย์ (Human Error) และความล่าช้าในการจัดเก็บข้อมูล จากผลการทดสอบพบว่าระบบสามารถวิเคราะห์ขนาดทางกายภาพพืชได้แม่นยำเฉลี่ยสูงถึง 97.57% และตรวจจับรอยโรคโรคพืชได้ด้วยค่า mAP@0.5 ที่ร้อยละ 71.3 พร้อมจัดส่งข้อมูลแสดงผลสถิติแบบ Real-time ได้อย่างมีประสิทธิภาพ

โครงงานพัฒนาเครื่องมือประเมินท่านั่งและวิเคราะห์ท่าทางของมนุษย์โดยอัตโนมัติ เพื่อแก้ไขปัญหาพฤติกรรมการนั่งที่ไม่เหมาะสมอันก่อให้เกิดปัญหากล้ามเนื้อและกระดูก เช่น ออฟฟิศซินโดรม หรืออาการปวดหลังเรื้อรัง ระบบประยุกต์ใช้เทคโนโลยีตรวจจับจุดสำคัญบนร่างกาย (Keypoints Detection) ด้วยโมเดล YOLO และ OpenPose เพื่อนำมาคำนวณคะแนนความเสี่ยงทางสรีรศาสตร์ตามมาตรฐาน RULA/ROSA ผ่านส่วนติดต่อผู้ใช้งานที่ใช้งานง่าย สามารถแสดงผลกล่องข้อความ (Bounding box) คะแนน และคำแนะนำการปรับสรีระ (Ergonomic Advice) พร้อมระบบบันทึกผลลงไฟล์ Excel ได้อย่างสะดวกและแม่นยำ

โครงงานนี้เป็นการศึกษาหลักการทำงานและแนวคิดของ DevSecOps ในวงจรการพัฒนาซอฟต์แวร์สมัยใหม่ โดยบูรณาการเครื่องมือตรวจสอบความปลอดภัยและคุณภาพซอฟต์แวร์ในด้านต่าง ๆ ประกอบด้วย snyk.io, SonarQube for IDE, OWASP ZAP และ Jest ในการทดสอบแอปพลิเคชันรูปแบบ React-based เพื่อค้นหาช่องโหว่ทางความปลอดภัย ตรวจสอบคุณภาพซอร์สโค้ด และทดสอบในระดับหน่วย (Unit Testing) ซึ่งช่วยวิเคราะห์หาจุดบกพร่อง ปัญหาจากไลบรารีที่ล้าสมัย และแนวทางการรีแฟคเตอร์โค้ดเพื่อยกระดับความมั่นคงปลอดภัยให้แก่ระบบ