PHÂN LOẠI RÁC THẢI SỬ DỤNG MÁY HỌC

Abstract

Vấn đề rác thải đã và đang trở thành một trong những thách thức lớn nhất mà nhiều quốc gia phải đối mặt trong bối cảnh phát triển hiện nay. Một số khó khăn trong quá trình tái chế bao gồm chi phí đáng kể liên quan đến việc phân loại chất thải có thể tái chế khỏi chất thải không dùng được. Máy học, một nhánh của trí tuệ nhân tạo, đã chứng minh khả năng vượt trội trong việc giải quyết các vấn đề phân loại tự động. Việc sử dụng máy học trong phân loại rác thải tái chế không chỉ giúp tăng tốc quá trình phân loại mà còn đảm bảo độ chính xác cao hơn so với phương pháp thủ công. Kiến trúc Mạng nơ-ron tích chập (CNN) là một mô hình học sâu được thiết kế để xử lý dữ liệu dạng lưới có cấu trúc, CNN rất hiệu quả cho các tác vụ như phân loại hình ảnh. Trong luận văn này sử dụng máy học bằng cách tập trung vào mô hình VGG16 để sử dụng trong các hệ thống tái chế với độ chính xác được 67%. Thiết kế này cho phép mô hình xây dựng một mô hình mạng nơ-ron tích chập sử dụng Keras và Tensorflow. Mô hình cơ sở là mô hình học chuyển giao được đào tạo trước: VGG16 với trọng số ImageNet. Mô hình này còn sử dụng các lớp dày đặc tùy chỉnh ngoài các tính năng khác như đóng băng lớp và bỏ học.