มหาวิทยาลัยราชภัฏพิบูลสงคราม | ปีการศึกษา 2568

ระบบเช็คชื่ออัตโนมัติด้วย
Face Recognition & RFID

AUTOMATIC ATTENDANCE SYSTEM USING FACE RECOGNITION AND RFID TECHNOLOGY

"นวัตกรรมเช็คชื่อเพื่อความโปร่งใสและรวดเร็ว"

ระบบยืนยันตัวตนแบบ 2 ปัจจัย (2F-Authentication) เพื่อป้องกันการทุจริตในการเข้าเรียน รวบรวมพลังของการจดจำใบหน้าและบัตร RFID ทำงานบนอุปกรณ์ Edge Computing (Raspberry Pi 4) เพื่อความเสถียรและเป็นส่วนตัวสูงสุด

ปัญหาของการเช็คชื่อแบบเดิม

ทำไมระบบแบบเก่าถึงไม่ตอบโจทย์อีกต่อไป?

🎭

การทุจริตฝากบัตร

การใช้เพียงบัตรนักศึกษา (RFID) หรือการขานชื่อ มักหลีกเลี่ยงไม่ได้กับการ "ฝากเพื่อนเช็คชื่อ" ทำให้ข้อมูลที่ได้ไม่สะท้อนความเป็นจริง

เสียเวลาการเรียนการสอน

สำหรับคลาสเรียนที่มีนักศึกษาจำนวนมาก การขานชื่อทีละคนอาจกินเวลาไปกว่า 15-20 นาที ซึ่งเป็นเวลาที่ควรนำไปใช้ในการสอน

📂

จัดการเอกสารยุ่งยาก

การเช็คชื่อลงกระดาษมีความเสี่ยงที่เอกสารจะสูญหาย หรือต้องมานั่งพิมพ์ข้อมูลลง Excel ภายหลัง ทำให้สิ้นเปลืองทรัพยากรบุคคล

💡 ทางออกของเรา: 2-Factor Authentication

เราแก้ปัญหานี้โดยการบังคับใช้ "บัตรจริง (RFID)" ควบคู่กับ "ตัวจริง (Face Recognition)" ทำงานประสานกันในเสี้ยววินาที ข้อมูลวิ่งตรงเข้าฐานข้อมูล (Database) ทันที ตัดปัญหาการทุจริต 100%

ขั้นตอนการทำงานของระบบ

รวดเร็ว แม่นยำ จบใน 3 ขั้นตอน

1

สแกนบัตรนักศึกษา (RFID)

นักศึกษานำบัตรแตะที่เครื่องอ่าน (MFRC522) ระบบจะดึงรหัส UID ของบัตรไปตรวจสอบเบื้องต้นกับฐานข้อมูล

2

ตรวจจับใบหน้า (Face Recognition)

กล้อง Raspberry Pi จะทำงานเพื่อจับภาพใบหน้า สกัดจุดเด่น (Feature Extraction) ด้วยโมเดล AI (ResNet50) เพื่อเทียบกับใบหน้าเชิงลึก

3

บันทึกผล & สรุปข้อมูล (Real-time DB)

ถ้าใบหน้าตรงกับเจ้าของบัตร ระบบจะแสดงผลสีเขียว พร้อมแจ้งเตือนว่า "บันทึกเวลาสำเร็จ" ข้อมูลวิ่งตรงเข้า Database อย่างสมบูรณ์

เทคโนโลยีที่ใช้ (Tech Stack)

💻

Frontend

Single Page Application (SPA) พัฒนาด้วย React / Vite พร้อม Vanilla CSS เพื่อความรวดเร็วและสวยงาม (Glassmorphism Design)

⚙️

Backend & Deployment

Vercel สำหรับ Frontend Hosting รันบนโครงสร้างพื้นฐานระดับ Edge ทำให้โหลดไวทั่วโลก และ GitHub Pages สำหรับหน้า Landing Page นี้

AI & Hardware Architecture

🧠 AI Model

ResNet50 (CNN)

ใช้สถาปัตยกรรมโครงข่ายประสาทเทียมแบบ ResNet50 สำหรับ Face Feature Extraction เพื่อระบุตัวตนบุคคลจากฐานข้อมูลภาพถ่ายที่มีความแม่นยำสูง แม้ในสภาวะแสงที่จำกัด

📟 Hardware

Raspberry Pi 4 & RFID

หัวใจหลักของระบบคือ Raspberry Pi 4 Model B รุ่น 8GB RAM ประมวลผลร่วมกับ RFID Reader (MFRC522) เพื่อยืนยันตัวตนขั้นที่สอง (2FA)

RESNET-50 / FEATURE EXTRACTION ACTIVE

ทำไมต้อง 2-Factor?

การใช้เพียง RFID อาจมีการฝากบัตรเพื่อนมาสแกน หรือใช้ใบหน้าอย่างเดียวอาจมีความผิดพลาดในบางกรณี ระบบของเราจึงบังคับให้ "ตัวจริง" และ "บัตรจริง" ต้องมาพร้อมกันเท่านั้น

สมาชิกในกลุ่ม (Presented By)

Microcontroller

GIFT

Hardware-AI

PLUEM

UX/UI & Front-End

TAN

Microcontroller

AUM

Back-End & DB

BANK