BỘ KHOA HỌC VÀ CÔNG NGHỆ
HỆ THỐNG THÔNG TIN QUỐC GIA VỀ KHOA HỌC, CÔNG NGHỆ VÀ ĐỔI MỚI SÁNG TẠO

Lọc theo danh mục
  • Năm xuất bản
    Xem thêm
  • Lĩnh vực
liên kết website
Lượt truy cập
 Lượt truy cập :  30,119,904
  • Công bố khoa học và công nghệ Việt Nam

Cơ điện tử; hệ vi cơ điện tử (MEMS),..

Đặng Vũ Kim Kỳ, Nguyễn Huỳnh Thông, Âu Thúy An, Phạm Tấn Hùng, PHAM TAN HUNG(1)

Học tập chuyên sâu: phát triển hệ thống phân loại ebin

Deep based learning: ebin sorting system development

Khoa học và công nghệ biển

2022

1

85-94

1859-3097

Mạng nơ-ron, Học chuyên sâu, Thị giác máy tính, API

Convolution neural network, deep learning, trash classification, computer vision, tensorflow object detection API.

Nghiên cứu đã sử dụng tới 900 dữ liệu hình ảnh thu thập bằng tay được tách thành 500 để phân tích và 400 dữ liệu còn lại để đánh giá kết quả. Tất cả các đối tượng được chuyển vào thùng rác được sử dụng để tạo dữ liệu được thu thập xung quanh trường Đại học Bách khoa Thành phố Hồ Chí Minh (ĐHBK, Việt Nam). Mô hình Deep Learning được sử dụng trong nghiên cứu này, có tên SSD MobileNet V2, là một phần của API phát hiện đối tượng Tensorflow mã nguồn mở. Hệ thống đưa ra kết quả, tỷ lệ phần trăm khớp tương đối của các lượng dữ liệu khác nhau mà chúng tôi cung cấp cho mô hình. Hệ thống cho thấy tính tương đối tuyến tính giữa lượng dữ liệu được đào tạo AI100, AI200, AI300, AI400, AI500 và Độ chính xác trung bình trung bình (mAP) khi kiểm tra hệ thống. Kể từ đó, nghiên cứu đã tiến hành một thử nghiệm khác để đảm bảo rằng hiệu suất của mô hình được đào tạo sẽ đáp ứng mong đợi, AI401. Trong thử nghiệm này, hệ thống cho thấy tổng thể không chính xác hơn 80%. Bằng cách phân tích ngược, bài báo này sẽ là một tầm nhìn tốt cho các nhà nghiên cứu để nghiên cứu và nâng cao độ chính xác của hệ thống nhằm phục vụ mục đích phân loại rác trong các ứng dụng thùng rác sáng tạo.
 

The study used up to 900 hand-collected image data separated into 500 for analysis and 400 remains for assessing the result. All trashed objects used for generating data were collected around the Ho Chi Minh city University of Technology (HCMUT, Vietnam). The Deep Learning model used in this research, named SSD MobileNet V2, is part of the open-source Tensorflow Object Detection API. The system gave the result, the relative match percentage of different amounts of data we fed the model. The system showed linear relativity between the amount of data trained AI100, AI200, AI300, AI400, AI500, and the mean Average Precision (mAP) when testing the system. From this on, the study conducted another experiment to ensure that the performance of the trained model would meet expectations, AI401. In this experiment, the system showed over 80% inaccuracy overall. By back-analysis, this paper would be a good vision for researchers to study and enhance the system’s accuracy to serve the purpose of trash classification in innovative trash bin applications.

TTKHCNQG, CVv 280

Xem toàn văn