Hội nghị Sinh viên Nghiên cứu Khoa học Trường Đại học Bách khoa, Đại học

Đà Nẵng năm học 2023 - 2024

TIÊU ĐỀ TIẾNG VIỆT

TIÊU ĐỀ TIẾNG ANH
SVTH: Nguyễn Văn A, Trần Văn B, Lê Văn C
Lớp ..., Khoa ..., Trường ...; Email: email 1, email 2, email 3
GVHD: Huỳnh Văn D
Khoa ..., Trường ...; Email: email 4

Tóm tắt - Nội dung tóm tắt tiếng Việt (Từ 150-200 từ) Abstract - Nội dung tóm tắt tiếng Anh Từ 100-200 từ

Từ khóa - (tối thiểu 5 từ hoặc 5 cụm từ, phân biệt với nhau b
ằng dấu “;”)
1. Đặt vấn đề
1.1. Giới thiệu
Rác thải đang là một vấn đề quan trọng rất được chính
phủ các nước đang phát triển chú trọng. Vấn đề này
không chỉ liên quan về môi trường mà còn về mặt kinh tế.
Ví dụ ở Việt Nam ước tính mỗi năm thải ra 60 nghìn tấn
rác thải sinh hoạt, tuy nhiên chỉ có 15% được thu gom, tái
chế và tái sử dụng [1] . Vì chỉ có 15% rác thải sinh hoạt
được tái chế nên Việt Nam lãng phí gần 3 tỷ USD mỗi
năm do không tái chế nhựa. Còn rác thải hữu cơ ước tính
lãng phí 30 tỷ USD mỗi năm [2]. Một phần nguyên nhân
của sự lãng phí này là do công việc phân loại rác tại
nguồn (các hộ gia đình) chưa hiệu quả.
Hiện nay, các hộ gia đình do không có thoái quen
phân loại rác hoặc không nhận định loại rác thải của họ là
loại rác thải gì. Nên những loại rác thải sinh hoạt hằng
ngày như: thực phẩm thừa, vật dụng hỏng, hóa chất tẩy
rửa nguy hiểm thường sẽ không được người dân phân loại
ra riêng mà để vào cùng một túi/ thùng rác. Đến khi thu
gom rồi đưa đến các trạm rác lớn không phân loại lại mà
liền đem đi xử lý chung với nhau như đốt, chôn hoặc đổ
ra biển dẫn đến sự lãng phí như trên và gây ô nhiễm môi
trường đất, nước hay không khí.
Nhận thấy những vấn đề trên, nhóm chúng tôi xây
dựng lên một ứng dụng điện thoại giáo dục về phân loại
rác thải sinh hoạt. Phương thức nghiên cứu “…”. Hình 1
là bảng thống kê tập dữ liệu đã được nhóm thu thập gần
11,648 ảnh gồm ảnh cam, net và tương cường của 38 loại
rác nhỏ khác nhau rồi phân thành 4 loại rác chính : Rác
nguy hại, Rác tái chế, Rác thủy tinh các loại, Rác hữu cơ
và các loại rác khác.
Hình 1: Bảng thống kê tập dữ liệu ảnh cam, net và tăng
cường của 38 loại rác
Bài nghiên cứu này sẽ trình bao gồm những phần đặt
vấn đề, phần kết quả nghiên cứu và kháo sát, phần bàn
luần và phần kết luận
1.2. Nghiên cứu liên quan
Key words - (tối thiểu 5 từ hoặc 5 cụm từ, phân biệt với nhau
bằng dấu “;”)
1.3. Tập dữ liệu và thu thập dữ liệu
1.3.1. Tập dữ liệu
Tập dữ liệu chứa 11,648 ảnh của 38 loại rác nhỏ, mỗi
loại rác chứa khoảng hơn 300 ảnh bao gồm ảnh cam (tự
chụp), net (lấy từ internet), tăng cường. Hình ảnh có định
dạng là 224x224 pixel có định dạng là PNG (chụp bằng
camera điện thoại).
Các loại rác nhỏ được nhóm chúng tôi lựa chọn dựa
trên những tiêu chí:
1.3.2. Thu thập dữ liệu
Ở giai đoạn đầu của việc thu thập giữ liệu chúng tôi
thu thập bằng tay vì các tập dữ liệu trên internet không
đáp ứng đươc nhu cầu hình ảnh của chúng tôi. Những
hình ảnh ấy không thể hiện chính xác tình trạng của rác
thải sinh hoạt và cũng để tập dữ liệu có thể sau khi huấn
luyện máy và mang đi thực nghiệm cho ra kết quả chuẩn
xác nhất.
Do đó, chúng tôi tự mình thu thập dữ liệu hình ảnh kết
hợp ảnh trên các cơ sở dữ liệu như roboflow,kaggle. Bộ
dữ liệu ban đầu tự chụp chỉ có 4000 ảnh. Quá trình thu
thập dữ liệu bao gồm chụp các loại rác thải sinh hoạt xuất
hiện xung quanh nhà, quán ăn, chợ,…Ảnh được chụp với
nhiều góc độ, ánh sáng, nhiều vật thể trong một ảnh, điều
này để tăng tính đa dạng cho tập dữ liệu và giúp huấn
luyện máy hiệu quả hơn.
Qua giai đoạn hai chúng tôi bắt đầu tăng cường hình
ảnh bằng phương pháp tăng cường tập dữ liệu với mỗi
ảnh dùng 3 phương pháp tăng cường kết hợp ngẫu nhiên
từ các phương pháp tăng cường sau: xoay, làm mờ, làm
nhiễu. Thu được gần 12,000 ảnh nhằm tập dữ liệu tăng
tính đa dạng và giúp huấn luyện máy hiệu quả hơn.
Giai đoạn cuối là dán label cho từng ảnh chúng tôi
chọn tool labelimg để dán label cho từng ảnh với định
dạng xuất ra là Pascal VOC .

2. Kết qua nghiên cứu và khảo sát

2.1. Mô hình Resnet
2.1.1. Nội dung mô hình Resnet

1
SVTH: Tên sinh viên; GVHD: Tên giáo viên hướng dẫn

2.1.2. Kết quả huấn luyện mô hình Resnet

Tài liệu tham khảo
[1] Phân loại và tận dụng triệt để rác thải sẽ là nguồn tài nguyên vô
cùng lớn, Văn Toàn, 3/12/2023, Báo Nhân Dân
2.2. Mô hình Desnet [2] Việt Nam lãng phí 3 tỷ USD/năm do không tái chế nhựa: Làm gì để
2.2.1. Nội dung mô hình Desnet biến rác thành tiền?, Ban thời sự, 27/11/2022, Báo điện tử Đài
Truyền Hình Việt Nam
[3]
[4] Tài liệu tham khảo 2.
2.2.2. Kết quả huấn luyện mô hình Desnet [5] Tài liệu tham khảo 3.
[6] … Alt+T
[7]
[8]

3. Bàn luận

[9]

4. Kết luận