Đánh giá hiệu suất các thuật toán trí tuệ nhân tạo trong phân loại rác thải

Abstract

Phân loại rác thải là một bài toán lớn trong thị giác máy tính và hiện nay có nhiều hướng tiếp cận đưa ra giải pháp, trong đó hướng sử dụng trí tuệ nhân tạo đạt mức đủ hiệu quả chính xác đáng kể. Trong bài báo này, các thuật toán phân loại trong học máy như cây quyết định, thuật toán rừng ngẫu nhiên, SVM, PCA và mô hình học sâu tiêu biểu VGG16 được nghiên cứu đánh giá so sánh hiệu quả trong việc phân loại. Nghiên cứu này đề xuất thêm một lớp phân loại Softmax sau VGG16 sẽ cho ra kết quả có độ chính xác cao hơn. Các mô hình học sâu được nghiên cứu ở đây sử dụng cốt lõi Mạng nơ-ron tích chập (CNN) là một trong những mạng tiên tiến nhất trong thị giác máy tính, chứng tỏ được khả năng phân loại hình ảnh một cách hiệu quả. Kết quả từ mô hình đề xuất đã được cải thiện với độ chính xác 71.1 % so với sử dụng mô hình CNN truyền thống trong điều kiện bộ dữ liệu có số lượng mẫu nhỏ. Trong tương lai gần, các mô hình học sâu sẽ hỗ trợ máy móc việc phân loại rác tự động và không cần nhất thiết can thiệp của con người.