CDG Hackathon 2026: ทีม Night Watch คว้าแชมป์ด้วย AI
เจาะลึกทีม Lumos จาก สจล. ผู้ชนะ CDG Hackathon 2026 ด้วยระบบ Night Watch ใช้ภาพถ่ายดาวเทียม VIIRS และ AI แก้ปัญหาไฟถนนดับแม่นยำ 90.1%
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- ทีมนักศึกษา สจล. คว้าแชมป์ CDG Hackathon 2026 ด้วยระบบ Night Watch
- แก้ปัญหาไฟถนนดับโดยใช้ภาพถ่ายดาวเทียม VIIRS และข้อมูล GIS วิเคราะห์ความสว่าง
- ลดภาระเจ้าหน้าที่ตรวจเช็กจาก 33 ครั้งต่อเดือน เหลือเพียง 2.7 ครั้งต่อเดือน
- ต้นทุนค่าบริการปีแรกอยู่ที่ 280,000 บาท คิดเป็น 0.49% ของงบประมาณไฟถนน
ปัญหาไฟถนนดับซ้ำซากกลายเป็นภาระหนักของหน่วยงานรัฐ ทั้งงบประมาณซ่อมบำรุงและกำลังคนในการออกตรวจตรา แต่ละปีแขวงทางหลวงต้องซ่อมไฟถนนเฉลี่ย 396 ครั้งต่อเดือน ขณะที่การแจ้งจากประชาชนมีเพียง 12% เท่านั้น ส่วนที่เหลืออีก 88-93% เจ้าหน้าที่ต้องขับรถตระเวนตรวจสอบเอง ซึ่งทั้งสิ้นเปลืองเวลาและมีข้อจำกัดในการครอบคลุมทุกเส้นทางทุกคืน
โจทย์ความท้าทายนี้ถูกหยิบมาแก้ไขโดยทีม Lumos จากคณะวิศวกรรมศาสตร์ ภาควิชาวิศวกรรมโทรคมนาคม หลักสูตรวิศวกรรมอวกาศและภูมิสารสนเทศ สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง ในการแข่งขัน CDG Hackathon 2026 ที่จัดขึ้นเมื่อวันที่ 4 กันยายนที่ผ่านมา ภายใต้โจทย์ AI for a Better Society Platform จากกลุ่มบริษัทซีดีจีและมหาวิทยาลัยพันธมิตร 18 แห่ง ที่มีทีมเข้าร่วมแข่งขันรวม 108 ทีม และคัดเลือกเหลือ 21 ทีมสุดท้าย
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
ผลงานชนะเลิศของทีมมีชื่อว่า Night Watch ระบบคัดกรองจุดไฟฟ้าแสงสว่างทางหลวงขัดข้องด้วยภาพถ่ายดาวเทียม โดยดึงภาพถ่ายดาวเทียม VIIRS (VNP46A2) ที่บันทึกภาพแสงสว่างตอนกลางคืนเหนือประเทศไทยทุกคืนช่วงเวลาประมาณตีหนึ่งครึ่ง มาวิเคราะห์ร่วมกับข้อมูล GIS บัญชีทรัพย์สินเสาไฟ 7,695 ต้น โครงข่ายสายทาง และสถิติจราจร
ระบบดังกล่าวให้ AI ทำหน้าที่ 3 ส่วนหลัก ได้แก่ การเรียนรู้รูปแบบแสงไฟเพื่อแยกแยะไฟถนนจริง การคัดกรองสัญญาณรบกวน เช่น เมฆและฝน และการแปลงพิกัดดาวเทียมให้เป็นหมายเลขสายทางพร้อมปักหมุดบนแผนที่ ผลการทดสอบตลอดระยะทาง 100 กิโลเมตรเป็นเวลา 1 เดือนพบว่าระบบมีความแม่นยำสูงถึง 90.1% และไม่มีการแจ้งเตือนผิดพลาดเลย ช่วยลดภาระการส่งชุดตรวจจาก 33 ครั้งต่อเดือนเหลือเพียง 2.7 ครั้ง
การนำภาพถ่ายดาวเทียมระดับมหภาคมาประยุกต์ใช้กับงานโครงสร้างพื้นฐานระดับท้องถิ่น ถือเป็นการยกระดับการทำงานภาครัฐที่คุ้มค่า เพราะหลีกเลี่ยงต้นทุนมหาศาลในการติดตั้งเซนเซอร์บนเสาไฟทุกต้นหรือการพึ่งพากล้องวงจรปิดที่ไม่ครอบคลุม จุดเด่นของ Night Watch คือการพิสูจน์ให้เห็นว่าข้อมูลเปิด (Open Data) และเทคโนโลยีภูมิสารสนเทศสามารถนำมาแก้ปัญหาจริงได้อย่างเป็นรูปธรรมโดยไม่ต้องลงทุนโครงสร้างพื้นฐานใหม่ทั้งหมด
นอกจากนี้ ในการแข่งขันเดียวกันยังมีทีมรองชนะเลิศอย่าง ClearBid AI จากจุฬาลงกรณ์มหาวิทยาลัย ที่พัฒนาตัวช่วยจัดการเอกสาร TOR ของภาครัฐด้วยเทคโนโลยี RAG, OCR และ LLM ช่วยประหยัดเวลาการทำงานของเจ้าหน้าที่ได้ 1 วันต่อฉบับ และสร้างมูลค่าประหยัดให้หน่วยงานรวมกว่า 1.5 ล้านบาทต่อปี สะท้อนให้เห็นว่าเวทีแฮกกาธอนครั้งนี้มุ่งเน้นผลงานที่สามารถนำไปใช้งานจริงและช่วยรัฐประหยัดงบประมาณได้อย่างแท้จริง
ที่มา: Techsauce
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น