ระบบปัญญาประดิษฐ์สำหรับการคัดแยกขยะด้วยการประยุกต์ใช้แบบจำลองการเรียนรู้เชิงลึก
คำสำคัญ:
ปัญญาประดิษฐ์, การเรียนรู้เชิงลึก, การคัดแยกขยะ, โครงข่ายประสาทเทียมบทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์ในการพัฒนาและประยุกต์ใช้ระบบปัญญาประดิษฐ์เพื่อการคัดแยกประเภทขยะ โดยนำเทคโนโลยีการเรียนรู้เชิงลึกมาใช้ในการวิเคราะห์และจำแนกขยะชนิดต่าง ๆ โดยการประยุกต์ใช้โครงข่ายประสาทเทียมแบบคอนโวลูชัน (Convolutional Neural Networks: CNN) ซึ่งเป็นเทคนิคที่มีประสิทธิภาพสูงในการประมวลผลภาพ ผ่านแพลตฟอร์มการเรียนรู้เชิงลึกแบบไม่ต้องเขียนโค้ด (No-code machine learning platform) ซึ่งช่วยให้การพัฒนาโมเดลการเรียนรู้เชิงลึกเป็นไปอย่างสะดวกขึ้น กระบวนการวิจัยถูกแบ่งออกเป็น 3 ขั้นตอนหลักได้แก่ การรวบรวมข้อมูล การฝึกสอนโมเดล และ การทดสอบโมเดล โดยรวบรวมรูปภาพของขยะจำนวน 2,000 รูป ซึ่งแบ่งออกเป็นสี่ประเภทหลัก ได้แก่ ประเภททั่วไป ประเภทอินทรีย์หรือเปียก ประเภทรีไซเคิล ประเภทอันตราย รูปภาพดังกล่าวถูกนำมาใช้ในการฝึกสอนและทดสอบโมเดล การจำแนกขยะ ผลการทดลองแสดงให้เห็นว่าระบบสามารถจำแนกประเภทของขยะด้วยความแม่นยำเฉลี่ยสูงถึง 91.50% โดยมีประสิทธิภาพสูงสุดในการจำแนกขยะประเภททั่วไปและรีไซเคิลที่มีความแม่นยำถึง 100% และต่ำสุดในการจำแนกขยะอันตรายที่มีความแม่นยำ 86%
เอกสารอ้างอิง
Baojun, G., Wei, Z., Zhebin, S., Qiucheng, H., & Dongping, Z. (2022). AI-based detection system of resident’s behaviors in automatic trash sorting booths: A background computing-based solution. Proceedings of the China Automation Congress (CAC), 756–1760. https://doi.org/10.1109/CAC57257.2022.10055608
Bozic, D., Runje, B., Lisjak, D., & Kolar, D. (2023). Metrics related to confusion matrix as tools for conformity assessment decisions. Applied Sciences, 13(14), 8187. https://doi.org/10.3390/app13148187
Charan, P. V. S., Anand, P. M., Shukla, S. K., Selvan, N., & Chunduri, H. (2022). DOTMUG: A threat model for target specific APT attacks–Misusing Google Teachable Machine. Proceedings of the 10th International Symposium on Digital Forensics and Security (ISDFS), 1–8. https://doi.org/ 10.1109/ISDFS55398.2022.9800780
Chorakhe, T., & Noppitak, S. (2023). Comparison of deep learning approach for water bottle waste classification. Kalasin University Journal of Science Technology and Innovation, 2(2), 53–65. https://doi.org/10.14456/ksti.2023.10. [In Thai].
Fahmi, F., & Lubis, B. P. (2022). Identification and sorting of waste using artificial intelligence based on convolutional neural network. Proceedings of the 6th International Conference on Electrical, Telecommunication and Computer Engineering (ELTICOM), 222–226. https://doi.org/10.1109/ELTICOM57747.2022.10038044
Fang, B., Liu, Y., Chen, Z., Wei, X., Li, J., Zou, D., Chen, C., Xue, S., Chen, S., Liu, J., Wu, L., Wang, B., Han, Z., Zhai, Y., Zhu, J., Yi, Z., Wang, Y., & Wu, J. (2023). Artificial intelligence for waste management in smart cities: A review. Environmental Chemistry Letters, 21(4), 1959–1989.
Jaratwichakorn, N. (2019). Increasing management capacity to provide garbage services in the Bangkok metropolitan markets. UMT Poly Journal, 16(1), 361–370. [In Thai].
Phachanai, T., Panngoen, C., Khonngam, K., Srisamoodkham, W., & Wongsa, W. (2022). Recyclable waste sorting machine with image processing. PSRU Journal of Industrial Technology and Engineering, 4(2), 242–253. [In Thai].
Zheng, X., Zhu, Z., Xiao, Z., Huang, D., Yang, C., He, F., Zhou, X., & Zhao, T. (2023). CNN-based transfer learning in intelligent recognition of scrap bundles. ISIJ International, 63(8), 1383–1393. https://doi.org/10.2355/isijinternational.ISIJINT-2023-064.
Zulhusni, M., Sari, C. A., & Rachmawanto, E. H. (2024). Implementation of DENSeNET121 architecture for waste type classification. Advance Sustainable Science, Engineering and Technology, 6(3), 1–9. https://doi.org/10.26877/asset.v6i3.673
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2025 วารสารเกษตรศาสตร์และเทคโนโลยี มทร.อีสาน
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เนื้อหาและข้อมูลในบทความที่ลงตีพิมพ์ในวารสารทดสอบระบบ ThaiJo2 ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรงซึ่งกองบรรณาธิการวารสาร ไม่จำเป็นต้องเห็นด้วย หรือร่วมรับผิดชอบใดๆ
บทความ ข้อมูล เนื่อหา รูปภาพ ฯลฯ ที่ได้รับการดีพิมพ์ในวารสารทดสอบระบบ ThaiJo2 ถือเป็นลิขสิทธิ์ของวารสารทดสอบระบบ ThaiJo2 หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนหนึ่งส่วนใดไปเผยแพร่หรือเพื่อกระทำการใดๆ จะต้องได้รับอนุญาตเป็นลายลักอักษรณ์จากวารสารทดสอบระบบ ThaiJo2 ก่อนเท่านั้น
