การวิเคราะห์ข้อมูลสำหรับการจำแนกประเภทขการวิเคราะห์ข้อมูลสำหรับการจำแนกประเภทขยะด้วยเทคนิค การประมวลผลภาพของสำนักวิทยบริการ มหาวิทยาลัยสงขลานครินทร์
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยในครั้งนี้มีวัตถุประสงค์ (1) เพื่อวิเคราะห์ข้อมูลสำหรับการจำแนกรูปภาพประเภทขยะด้วยเทคนิคการประมวลผลภาพ และ (2) เพื่อวัดประสิทธิภาพความถูกต้องการจำแนกรูปภาพประเภทขยะด้วยเทคนิคการประมวลผลภาพ โดยใช้เครื่องมือ Teachable Machine ที่ใช้หลักการการเรียนรู้ของเครื่อง (Machine Learning: ML) มาใช้ในการจำแนกรูปภาพประเภทขยะอัตโนมัติ ข้อมูลที่ใช้เป็นรูปภาพขยะในลักษณะเวกเตอร์ 2 มิติ จำนวน 250 ภาพ โดยมีการแบ่งข้อมูลรูปภาพสำหรับเรียนรู้ (Train set) จำนวน 200 ภาพ และข้อมูลรูปภาพสำหรับทดสอบ (Test set) จำนวน 50 ภาพ ในอัตราส่วน 80:20 ผลการวัดประสิทธิภาพความถูกต้อง พบว่า ภาพรวมมีค่าความถูกต้องที่ 95.72% เมื่อจำแนกค่าความถูกต้องของรูปภาพขยะแต่ละประเภท พบว่า รูปภาพขยะอันตราย มีค่าความถูกต้องสูงที่สุด (99.10%) รองลงมาคือ รูปภาพขยะติดเชื้อ (96.60%) รูปภาพขยะทั่วไป (95.30%) รูปภาพขยะรีไซเคิล (95.10%) และรูปภาพขยะอินทรีย์ มีค่าความถูกต้องน้อยที่สุด (92.50%) การวิเคราะห์ข้อมูลสำหรับการจำแนกประเภทขยะด้วยเทคนิคการประมวลผลภาพ (Image Processing) สามารถนำไปพัฒนาเป็นแอปพลิเคชันระบบการคัดแยกขยะใช้กับห้องสมุดและหน่วยงานต่าง ๆ รวมถึงเพื่อนำนวัตกรรมไปใช้ประโยชน์สำหรับการดำเนินกิจกรรมการอนุรักษ์พลังงานและสิ่งแวดล้อม และสนับสนุนการดำเนินงานสำนักสีเขียว (Green Office) ห้องสมุดสีเขียว (Green Library) ในการนำเครื่องมือไปให้ความรู้เกี่ยวกับการจำแนกประเภทขยะแก่คนในชุมชนให้ตระหนักถึงการจัดการขยะได้อย่างมีประสิทธิภาพ
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความทุกเรื่องที่ลงตีพิมพ์จะได้รับการตรวจอ่านโดยผู้ทรงคุณวุฒิ ความคิดเห็นและบทความที่ปรากฏในวารสารนี้ เป็นของผู้เขียนซึ่งมิใช่เป็นความคิดเห็นของคณะผู้จัดทำ และมิใช่ความรับผิดชอบของสมาคมห้องสมุดแห่งประเทศไทยฯ การนำบทความในวารสารนี้ไปตีพิมพ์ซ้ำต้องได้รับอนุญาตจากคณะผู้จัดทำ
All articles submitted for publication will be reviewed by the academic reviewers. The editorial board and TLA claim no responsibility for the content or opinions expressed by the authors of individual articles or columns in this journal. Reprinting of any articles in this journal must be permitted by the editorial board.
เอกสารอ้างอิง
Amornsiriphong, W., Kanthong, P., and Pinyong, S. (2015). An appropriate model for solid waste management: A case study of Kampangsan Witthaya School, Amphoe Kamphaengsaen, Nakhon Pathom Province.Journal of Thai Interdisciplinary Research, 10(2), 16-23. [In Thai]
Apornpisarn, K., Kedsom, T., Theanthong, O., and Samgamsue, C. (2024). Classification of caladium by image processing on the mobile application. The Journal of Spatial Innovation Development (JSID), 5(1), 60-72. [In Thai]
Arsasuwan, T., Jainaen, C., and Sophonphichet, P. (2024). Applying Google's teachable machine to detect the faces of criminals according to arrest warrants. Defence Technology Academic Journal, 6(13), 62-73. [In Thai]
Asaman. A., Soemsakvorakun, P. and Sitthisarn, S. Classification of palm nutrient deficiency using deep learning technology for palm leaves image processing on mobile application. In The 13th National Science Research Conference (SRC13) (pp. 939-945), Phatthalung, Thaksin University. [In Thai]
Assawadithalerd, M., Somprasong, K., Manoros, P., and Karaket, N. (2023). The application of image analysis technology to classify waste leakage into rivers in real time. Thai Environment. 27(2), 1-9. [In Thai]
Chailaungkarn, T. and Nuchpong, P. (2017). Glass and plastic bottle separation machine. (Master’s Thesis). Naresuan University, Thailand. [In Thai]
Chainok, B. and Srirawong, R. (2024). Application of teachable machine for automatic bottle sorting. Journal of Technology and Engineering Progress, 2(1-2), 13-20. [In Thai]
Chinnasarn, K. (2007) Digital image processing. Retrieved from https://staff.informatics.buu.ac.th/~krisana/310457/handout/book310453.pdf [In Thai]
Donphainen, S., and Nakpomchin, S. (2022). The face of security guards detect system via Line application with image processing technique. Science Journal Chandrakasem Rajabhat University, 32(2), 80-86. [In Thai]
Google Creative Lab. (2024). Teachablemachine-community. Retrieved from https://github.com/googlecreativelab/teachablemachine-community
Hengpraprohm, S. (2023). Machine learning. Nakhon Pathom: Faculty of Science and Technology, Nakhon Pathom Rajabhat University. [In Thai]
Kaewneam, K., and Nopchanasupab, S. (2024). Real-time monitoring and control of indoor and outdoor air quality and particulate matter for Office of Academic Resources Buildings. PULINET Journal, 11(1), 189-206. [In Thai]
Kanghae, K., Chaicheewarungruang, N., and Naco, A. (2022). An application for analyzing cat diseases from photos and applying rules. In: The 13th National Science Research Conference (SRC13) (pp. 947-955), Phatthalung, Thaksin University. [In Thai]
MGR Online. (2024). ตะลึง! คนไทยชอปออนไลน์ทะลุ 7 แสนล้าน ปี 2023 สูงเป็นประวัติการณ์ พร้อมเผย 4 กลยุทธ์การตลาดออนไลน์ ปี 2024 [Shocking! Thais shop online to exceed 700 billion in 2023, a record high, revealing 4 online marketing strategies for 2024]. Retrieved from https://mgronline.com/smes/detail/9670000002036 [In Thai]
Muangpool, T., and Yenpoeng, V. (2022). Developing a recyclable waste sorting system with IoT technology. Journal of Applied Information Technology, 8(2), 7-16. [In Thai]
Netyong. A., and Naritnate, T. (2019). Intelligent Trash. In: The Second FIT SSRU Conference 2019 (pp. 128-133), Bangkok, Suan Sunandha Rajabhat University. [In Thai]
Nimittammasophon, A., Khaokham, P., Chaivino, N., Suanmali, W., Phadpin, A., and Faksomboon, B. (2023). Employees awareness and participation about Green Office building in Kamphaeng Phet Rajabhat University. Journal of Science and Technology CRRU, 2(2), 20-28. [In Thai]
Phetkat, A., Yasaohah, N., and Jungjit, S. (2022). Songkhla-Phatthalung local food classification system on mobile phone. In: The 13th National Science Research Conference (SRC13) (pp. 903-911), Phatthalung, Thaksin University. [In Thai]
Piwbang, K., Promyutthana, S., and Kamdam, K. (2019). Automatic bottle separator machine. (Master’s Project). Suranaree University of Technology, Thailand. [In Thai]
Promlayyok, P., Sriprasom, P., and Pukkhem, N. (2022). Application for Durian variety classification using machine learning technique. In: The 13th National Science Research Conference (SRC13) (pp. 887-894), Phatthalung, Thaksin University.
[In Thai]
Purinta, A. (2023). Promotion of waste management behaviors in the community of community leaders according to the 3R principles of Phu Sing Subdistrict, Sahatsakhan District Kalasin Province. Journal of Environmental and Community Health, 8(1), 198-204.
Sasen, K., Somsri, T., and Enkvetchakul, P. (2024). Development of a helmet-wearing detection system using computer vision technology and convolutional neural networks. Journal of Engineering and Industrial Technology, Kalasin University, 2(3), 1-10. [In Thai]
Srisa-ard, B. (2011). การวิจัยเบื้องต้น [Basic research]. (9nd ed.). Bangkok: Suweeriyasan. [In Thai]
Suwanno, A., and Polpuk, S. (2018). Administration of community participation promotion in waste segregation of municipalities in Singburi Province. EAU Heritage Journal Social Science and Humanities, 8(1), 122-131. [In Thai]
Thai PBS. (2024). "ขยะล้นเมือง" คนไทยสร้างขยะเฉลี่ย 7.3 หมื่นตัน/วัน ["Overflowing Waste" Thais create an average of 73,000 tons of garbage per day]. Retrieved from https://www.thaipbs.or.th/news/content/340722 [In Thai]
Wannasawaskul, W. (2024). The Development of web application for waste separation with Artificial Intelligence technology. Science and Technology Nakon Sawan Rajabhat University Journal, 16(23), 51-65. [In Thai]
