การพัฒนาและเปรียบเทียบประสิทธิภาพของโมเดล YOLOv8 ในการคัดแยกประเภทของพลาสติกสำหรับการรีไซเคิลด้วยการประมวลผลจากภาพถ่ายดิจิทัล
Article Sidebar
Main Article Content
บทคัดย่อ
ปัจจุบันปัญหาขยะพลาสติกมีผลกระทบอย่างมากในประเทศไทยและมีแนวโน้มที่จะเพิ่มขึ้นอย่างมากในทุกปี ผู้วิจัยเห็นว่าระบบการคัดแยกพลาสติกที่มีประสิทธิภาพมีความสำคัญในการนำพลาสติกกลับมาใช้ใหม่และลดผลกระทบต่อสิ่งแวดล้อม ปัจจุบันในไทยพบว่ามีการคัดแยกที่ยังใช้แรงงานคน ซึ่งมีข้อจำกัดด้านทักษะ ทำให้การคัดแยกไม่เกิดประสิทธิภาพ พลาสติกไปปะปนกับขยะมูลฝอยชุมชน ส่งผลให้พลาสติกจำนวนมากถูกกำจัดทิ้ง ฝังกลบ รั่วไหลลงแม่น้ำและไหลลงทะเล งานวิจัยนี้ได้นำเสนอการพัฒนาระบบคัดแยกประเภทพลาสติกรีไซเคิลจากภาพถ่ายด้วยวิธีการเรียนรู้เชิงลึก จากชุดข้อมูลของชนิดพลาสติก ก็คือ PET, HDPE, PVC, LDPE, PP, PS และ Other จากนั้นทำการฝึกฝนแบบจำลองด้วยอัลกอริทึม YOLO ผู้วิจัยเลือกเป็น YOLOv8 เพื่อให้ AI สามารถคัดแยกประเภทของพลาสติกได้อย่างแม่นยำและรวดเร็ว จากผลการวิจัยพบว่าแบบจำลอง YOLO แต่ละรุ่นที่มีประสิทธิภาพในการคัดแยกประเภทพลาสติก การวิจัยนี้จึงเน้นทดสอบประสิทธิภาพของโมเดลYOLOv8 แต่ละรุ่น พบว่า YOLOv8n ให้ประสิทธิภาพสูงสุด ผลการวิจัยชี้ให้เห็นถึงศักยภาพของ AI ในการจัดการกับปัญหาขยะพลาสติก และจะเป็นแนวทางในการพัฒนาเทคโนโลยีเพื่อสิ่งแวดล้อมต่อไป
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
I/we certify that I/we have participated sufficiently in the intellectual content, conception and design of this work or the analysis and interpretation of the data (when applicable), as well as the writing of the manuscript, to take public responsibility for it and have agreed to have my/our name listed as a contributor. I/we believe the manuscript represents valid work. Neither this manuscript nor one with substantially similar content under my/our authorship has been published or is being considered for publication elsewhere, except as described in the covering letter. I/we certify that all the data collected during the study is presented in this manuscript and no data from the study has been or will be published separately. I/we attest that, if requested by the editors, I/we will provide the data/information or will cooperate fully in obtaining and providing the data/information on which the manuscript is based, for examination by the editors or their assignees. Financial interests, direct or indirect, that exist or may be perceived to exist for individual contributors in connection with the content of this paper have been disclosed in the cover letter. Sources of outside support of the project are named in the cover letter.
I/We hereby transfer(s), assign(s), or otherwise convey(s) all copyright ownership, including any and all rights incidental thereto, exclusively to the Journal, in the event that such work is published by the Journal. The Journal shall own the work, including 1) copyright; 2) the right to grant permission to republish the article in whole or in part, with or without fee; 3) the right to produce preprints or reprints and translate into languages other than English for sale or free distribution; and 4) the right to republish the work in a collection of articles in any other mechanical or electronic format.
We give the rights to the corresponding author to make necessary changes as per the request of the journal, do the rest of the correspondence on our behalf and he/she will act as the guarantor for the manuscript on our behalf.
All persons who have made substantial contributions to the work reported in the manuscript, but who are not contributors, are named in the Acknowledgment and have given me/us their written permission to be named. If I/we do not include an Acknowledgment that means I/we have not received substantial contributions from non-contributors and no contributor has been omitted.
เอกสารอ้างอิง
กรมควบคุมมลพิษ, “รายงานสถานการณ์สถานที่กำจัดขยะมูลฝอยชุมชนของประเทศไทย ปี พ.ศ. 2567,” กระทรวงทรัพยากรธรรมชาติและสิ่งแวดล้อม, กรุงเทพฯ, 2567.
Krungsri Research, “แนวโน้มธุรกิจ/อุตสาหกรรม ปี 2567 - 2569: ธุรกิจร้านอาหารและเครื่องดื่ม,” [Online]. Available: https://www.krungsri.com/th/research/industry/industry-outlook/services/food-beverages/io/io-food-beverage-restaurant-2024-2026. . [Accessed: Aug. 24, 2025].
G. B. Borongan et al., “Manual on plastics leakage prevention from formal and informal recycling facilities in Nonthaburi, Thailand,” Asian Institute of Technology; ERIA, Jul. 4, 2024.
กรมควบคุมมลพิษ, “คู่มือการจัดการขยะพลาสติกเพื่อการรีไซเคิลอย่างยั่งยืน,” กรุงเทพฯ, 2565.
R. Geyer et al., “Plastic recycling: Challenges and opportunities,” Can. J. Chem. Eng., 2024.
J. B. da Costa et al., “Challenges to reducing post-consumer plastic rejects from the MSW sorting system,” Sustainability, 2022.
P. Akkaya, C. Aydin, and R. Yilmaz, “Auto-sorting commonly recovered plastics from waste household appliances and electronics using near-infrared spectroscopy,” J. Cleaner Prod., vol. 254, p. 120153, 2020. doi: 10.1016/j.jclepro.2020.120153.
E. M. Urban and K. Ragaert, “A review of sorting and separating technologies suitable for compostable and biodegradable plastic packaging,” Front. Sustain., vol. 3, Art. no. 901885, 2022. doi: 10.3389/frsus.2022.901885.
C. Lubongo and P. Alexandridis, “Assessment of performance and challenges in use of commercial automated sorting technology for plastic waste,” Recycling, vol. 7, no. 2, p. 11, 2022. doi: 10.3390/recycling7020011.
A. R. Pathak, M. Pandey, and S. Rautaray, “Application of deep learning for object detection,” Procedia Comput. Sci., vol. 132, pp. 1706–1717, 2018. doi: 10.1016/j.procs.2018.05.102.
ภัทรมน หุ่นลำพูน, “การพัฒนาและประยุกต์ใช้เทคนิค Convolutional Neural Network ในการจำแนกขยะชายฝั่งทะเล,” วิทยานิพนธ์มหาบัณฑิต, ม.บูรพา, 2566. [Online]. Available: http://digital_collect.lib.buu.ac.th/dcms/files/62910162.pdf.
J. Redmon, S. Divvala, R. Girshick, and A. Farhadi, “You Only Look Once: Unified, real-time object detection,” in Proc. IEEE Conf. Comput. Vis. Pattern Recognit. (CVPR), pp. 779–788, 2016. [Online]. Available: https://www.cv-foundation.org/openaccess/content_cvpr_2016/papers/Redmon_You_Only_Look_CVPR_2016_paper.pdf.
M. A. R. Alif, M. S. Islam, S. Rahman, and M. N. Islam, “YOLOv1 to YOLOv10: A comprehensive review of YOLO variants and their application in the agricultural domain,” arXiv, 2024. doi: 10.48550/arXiv.2406.10139.
N. Wiangkam and S. Jiriwibhakorn, “Comparison of YOLOv8 Models for Aircraft Detection in Airport Apron Using Digital Image Processing,” Eng. Technol. Horiz., vol. 41, no. 3, p. 410309, 2024. doi: 10.14456/eth.2024.9.
T. Sakda and T. Suthisarn, “Conditional classification of faded crosswalk detection using YOLOv8,” J. Intell. Transp. Syst., vol. 27, no. 4, pp. 512–526, 2023. doi: 10.1080/15472450.2023.xxxxxx.
ธานิล ม่วงพูล, “การพัฒนาระบบคัดแยกขยะรีไซเคิลด้วยเทคโนโลยีไอโอที,” วารสารวิจัยและพัฒนา ม.ราชภัฏนครราชสีมา, vol. 12, no. 2, pp. 45–52, 2563. [Online]. Available: https://ph02.tci-thaijo.org/index.php/project-journal/article/view/247933.
บพิตร ไชยนอก and ฤชานนท์ ศรีราวงค์, “การประยุกต์ใช้ Teachable Machine สำหรับระบบคัดแยกขวดน้ำอัตโนมัติ,” วารสารเทคโนโลยีและวิศวกรรมก้าวหน้า, vol. 2, no. 1–2, pp. 13–20, 2567. [Online]. Available: https://ph03.tci-thaijo.org/index.php/JTEP/article/view/323.
วดีนาถ วรรณสวัสดิ์กุล, “การพัฒนาเว็บแอปพลิเคชันแยกประเภทขยะด้วยเทคโนโลยีปัญญาประดิษฐ์,” วารสารวิทยาศาสตร์และเทคโนโลยี ม.ราชภัฏเทพสตรี, vol. 3, no. 1, pp. 45–52, 2567. [Online]. Available: https://ph02.tci-thaijo.org/index.php/JSTNSRU/article/view/250746.
H. Bichri, A. Chergui, and M. Hain, “Investigating the Impact of Train/Test Split Ratio on the Performance of Pre-Trained Models with Custom Datasets,” Int. J. Adv. Comput. Sci. Appl., vol. 15, no. 2, pp. 333–340, 2024. doi: 10.14569/IJACSA.2024.0150235.
B. K. Pattanayak, B. B. Dash, and S. S. Patra, “A novel technique for handwritten text recognition using Easy OCR,” ResearchGate, 2023. [Online]. Available: https://www.researchgate.net/publication/376355415_A_Novel_Technique_for_Handwritten_Text_Recognition_using_Easy_OCR.
P. Gatchalee, “Confusion Matrix เครื่องมือสำคัญในการประเมินผลลัพธ์ของการทำนาย ใน Machine learning,” Medium, Oct. 3, 2019. [Online]. Available: https://medium.com/@pagongatchalee/confusion-matrix-เครื่องมือสำคัญในการประเมินผลลัพธ์ของการทำนาย-ในmachine-learning-fba6e3f9508c.
