การพัฒนาระบบคัดแยกขยะพลาสติกอัจฉริยะ

บทคัดย่อ

ขยะพลาสติกเป็นปัญหาสิ่งแวดล้อมรุนแรงในประเทศไทย คิดเป็นร้อยละ 12 ของขยะทั้งหมด แต่มีการนำกลับมาใช้เพียงร้อยละ 25 การคัดแยกด้วยมือจึงมีข้อจำกัดและเกิดความผิดพลาดได้ง่าย งานวิจัยนี้นำ YOLOv11 โมเดลตรวจจับวัตถุเรียลไทม์ที่มีความแม่นยำและรวดเร็วสูงกว่ารุ่นก่อนหน้า มาประยุกต์ใช้ในการคัดแยกขยะพลาสติก 4 ประเภทหลัก ได้แก่ HDPE, PET, PP และ PS พร้อมพัฒนาเว็บแอปพลิเคชันด้วย Flask เพื่อให้ผู้ใช้งานสามารถตรวจจับและจำแนกขยะได้อย่างสะดวก รวดเร็ว และแม่นยำ ผลการทดสอบพบว่าโมเดลสามารถคัดแยกขยะพลาสติก 4 ประเภท (HDPE, PET, PP, PS) ได้อย่างมีประสิทธิภาพสูง โดยเฉลี่ยมีเวลาแฝง (Latency) 22 ms ต่อภาพ และความเร็วในการประมวลผล 55 FPS เมื่อพิจารณาประสิทธิภาพการจำแนกตามประเภทพลาสติก พบว่า PET มีค่าความถูกต้อง (Accuracy) สูงสุด 0.994 และค่าความแม่นยำ (Precision) สูงสุด 0.999 ตามด้วย HDPE ที่ Accuracy 0.983, Precision 0.958 ส่วน PP และ PS มี Accuracy 0.958 และ 0.976, Precision 0.943 และ 0.971 ตามลำดับ สำหรับการเรียกคืน (Recall) HDPE มีค่า 1.0, PET 0.97, PP 0.898 และ PS 0.918 ส่วน F1-score ของ PET และ HDPE สูงสุดที่ 0.984 และ 0.978 ตามลำดับ ขณะที่ PS และ PP มีค่า 0.944 และ 0.92 แสดงให้เห็นว่าโมเดลสามารถจำแนกขยะประเภท PET และ HDPE ได้อย่างแม่นยำและเชื่อถือได้ ระบบนี้สามารถต่อยอดใช้งานจริงในโรงคัดแยกขยะหรือจุดรับรีไซเคิล ร่วมกับอุปกรณ์ IoT เช่น แขนกลอัตโนมัติหรือสายพานลำเลียง เพื่อแยกขยะแบบเรียลไทม์ ลดการพึ่งพาแรงงานคน และ
เพิ่มประสิทธิภาพการจัดการขยะอย่างเป็นระบบ