แจ้งเอกสารไม่ครบถ้วน, ไม่ตรงกับชื่อเรื่อง หรือมีข้อผิดพลาดเกี่ยวกับเอกสาร ติดต่อที่นี่ ==>
หากไม่มีอีเมลผู้รับให้กรอก thailis-noc@uni.net.th ติดต่อเจ้าหน้าที่เจ้าของเอกสาร กรณีเอกสารไม่ครบหรือไม่ตรง

การพัฒนาและประยุกต์ใช้เทคนิค Convolutional neural network ในการจำแนกขยะชายฝั่งทะเลและการติดตามการแพร่กระจายของชนิดของขยะพลาสติกในทะเล บริเวณชายฝั่งทะเลอ่าวไทยตะวันออก
The development and application of convolutional neural network analysis to classify marine debris and tracking the diatribution of types of plastic debris in the coastal area of the eastern gulf of Thailand

ThaSH: มหาวิทยาลัยบูรพา -- สาขาวิชาเทคโนโลยีทางทะเล
Classification :.DDC: 363
ThaSH: ขยะ
ThaSH: ขยะพลาสติก -- แง่สิ่งแวดล้อม
ThaSH: ขยะพลาสติกในทะเล
ThaSH: ขยะ -- การจำแนก
Abstract: ในปัจจุบันปัญหาขยะทะเลถือเป็นมลพิษทางสิ่งแวดล้อมที่ได้รับความสนใจเป็นอย่างมาก สำหรับประเทศไทยมีรายงานผลการศึกษาเกี่ยวกับขยะทะเลอย่างแพร่หลาย ซึ่งแสดงให้เห็นถึง ความตื่นตัวและความตระหนักถึงปัญหาขยะทะเลแต่ทั้งนี้ทั้งนั้น ในประเทศไทยก็ยังมีรายงานผลการศึกษาเกี่ยวกับการประยุกต์ใช้เทคนิค AI กับขยะทะเลค่อนข้างน้อยมาก ซึ่งในปัจจุบันเทคนิค AI เป็นเทคโนโลยีที่เข้ามามีบทบาทและมีความสำคัญในการทำงานและการใช้ชีวิตในยุคดิจิทัลเป็นอย่างมาก ดังนั้นการศึกษานี้จึงมีวัตถุประสงค์ในส่วนที่หนึ่งเพื่อพัฒนาโปรแกรมให้มีความสามารถ ในการจำแนกขยะชายฝั่งทะเล ด้วยข้อมูลภาพถ่ายของขยะบริเวณชายฝั่งทะเลและวัตถุประสงค์ในส่วนที่สองเพื่อติดตามการแพร่กระจายของชนิดของขยะพลาสติกในทะเล บริเวณชายฝั่งทะเลอ่าวไทยตะวันออกโดยศึกษาชนิดของขยะพลาสติกที่ตรวจพบบริเวณชายฝั่งทะเลอ่าวไทยตะวันออก อีกทั้งยังศึกษาการเปรียบเทียบสัดส่วนชนิดของขยะพลาสติกในทะเล บริเวณชายฝั่งทะเลอ่าวไทยตะวันออกโดยการเปรียบเทียบสัดส่วนชนิดของขยะพลาสติกในทะเล บริเวณชายฝั่งทะเลอ่าวไทย ตะวันออกตามฤดูกาลและตามพื้นที่การศึกษา ทดสอบสถิติด้วย Chi-square test ที่ระดับความเชื่อมั่น 95 เปอร์เซ็นต์โดยในส่วนแรกทำการเก็บตัวอย่างภาพถ่ายขยะบริเวณชายฝั่งทะเลทั้งหมด 4 ประเภท ทำการสร้าง Model และกำหนด Argument ที่เหมาะสมสำหรับการจำแนกจากนั้นทำการจำแนกขยะชายฝั่งทะเล ด้วยเทคนิค Convolutional Neural Network (CNN) ซึ่งจากผลการศึกษา พบว่าเทคนิค CNN สามารถจำแนกขยะชายฝั่งทะเลทั้ง 4 ประเภทออกจากกันได้ดีโดยชุดข้อมูล Training set มีค่าความถูกต้องเฉลี่ยอยู่ที่ร้อยละ 85.08 ส่วนชุดข้อมูล Test set มีค่าความถูกต้องเฉลี่ย อยู่ที่ร้อยละ 53.83 ในส่วนที่สองทำ การเก็บตัวอย่างขยะพลาสติกในน้ำทะเล ตะกอนดิน และบนชายหาด บริเวณชายฝั่งทะเลจังหวัดชลบุรี จังหวัดระยอง และจังหวัดจันทบุรี นำตัวอย่างขยะพลาสติกมาวิเคราะห์ชนิดของพลาสติกด้วยเครื่อง FT-IR ผลการศึกษาพบว่าสัดส่วนชนิดของขยะพลาสติกในน้ำทะเล ตะกอนดิน และบนชายหาดทั้ง 2 ฤดูกาลมีความแตกต่างอย่างมีนัยสำคัญ (p>0.05) และสัดส่วนชนิดของขยะพลาสติกในน้ำทะเล ตะกอนดิน และบนชายหาดในจังหวัดระยองและจังหวัดจันทบุรีมีความแตกต่างอย่างมีนัยสำคัญ (p<0.05) ซึ่งสัดส่วนชนิดของขยะพลาสติกที่แตกต่างกันนั้นขึ้นอยู่กับกิจกรรมของมนุษย์ที่ทำให้เกิดขึ้นทั้งบนชายหาดและในทะเลในพื้นที่นั้นๆ การเปลี่ยนแปลงของสภาพอากาศโดยเฉพาะกระแสลมในช่วงฤดูมรสุม และการไหลเวียนของกระแสน้ำ
Abstract: Nowadays, the problem of marine debris is environmental pollution which has received attention. In Thailand, there are many studies about marine debris. It shows alertness and awareness of the problem of marine debris. However, Thailand still has few studies on applying AI techniques to marine debris. AI techniques are essential in working and living in the digital age. Therefore, this study had the objectives; the first part was to develop a program to classify marine debris by photographs. The second part was to track the distribution of types of plastic debris in the coastal area of the Eastern Gulf of Thailand by studying the types of plastic debris found in the coastal area of the Eastern Gulf of Thailand and comparison of ratio types of plastic debris by season and by study area using Chi-square test at a confidence level of 95 percent. In the first part, collect all four types of marine debris photographs, create a model, and define the appropriate arguments for classification. Then classify marine debris using the Convolutional Neural Network (CNN) technique. According to the study results, CNN could classify all four types of marine debris well. The training set had an average accuracy of 85.08 percent. The test set had an average accuracy of 53.83 percent. In the second part, plastic debris samples were collected in seawater, sediment, and on beaches in the coastal areas of Chonburi, Rayong, and Chanthaburi provinces. Then, plastic debris samples were analyzed by FT-IR. The results showed that the ratio of plastic waste in seawater, sediments, and on beaches in both seasons was significantly different (p<0.05), and the ratio of plastic waste in seawater, sediment, and on beaches in Rayong, and Chanthaburi provinces were significantly different (p <0.05) which the ratio of different types of plastic debris. It depends on the human activities on the beach and the sea in that area, the monsoon season, and the water current.
มหาวิทยาลัยบูรพา. สำนักหอสมุด
Address: ชลบุรี
Email: buulibrary@buu.ac.th
Role: อาจารย์ที่ปรึกษาหลัก
Role: อาจารย์ที่ปรึกษาร่วม
Created: 2566
Modified: 2024-01-25
Issued: 2567-01-24
วิทยานิพนธ์/Thesis
application/pdf
CallNumber: ว 363.728 ภ373ก
tha
Spatial: ไทย (ภาคตะวันออก)
©copyrights มหาวิทยาลัยบูรพา
RightsAccess:
ลำดับที่.ชื่อแฟ้มข้อมูล ขนาดแฟ้มข้อมูลจำนวนเข้าถึง วัน-เวลาเข้าถึงล่าสุด
1 62910162.pdf 2.34 MB5 2024-10-09 16:02:59
ใช้เวลา
0.035228 วินาที

ชลี ไพบูลย์กิจกุล
Title Creator Type and Date Create
ผลของการดูแลสุขภาพที่บ้านโดยทีมสุขภาพต่อความรู้ พฤติกรรมการดูแลตนเองและค่าความดันโลหิต ของผู้ป่วยความดันโลหิตสูงชนิดไม่ทราบสาเหตุ โรงพยาบาลแก่งหางแมว จังหวัดจันทบุรี
มหาวิทยาลัยบูรพา
สุบัณฑิต นิ่มรัตน์;วีรพงศ์ วุฒิพันธุ์ชัย;ชลี ไพบูลย์กิจกุล
สุชาดา อุปพัทธวานิชย์
วิทยานิพนธ์/Thesis
การเปลี่ยนแปลงชนิดและปริมาณของแพลงก์ตอนพืชที่สัมพันธ์กับแหล่งวางหญ้าทะเลเทียมบริเวณชายฝั่ง ตำบลไม้รูด จังหวัดตราด
มหาวิทยาลัยบูรพา
ชลี ไพบูลย์กิจกุล;เบ็ญจมาศ ไพบูลย์กิจกุล
จิดาภา กล้ากสิกิจ
วิทยานิพนธ์/Thesis
การพัฒนาและประยุกต์ใช้เทคนิค Convolutional neural network ในการจำแนกขยะชายฝั่งทะเลและการติดตามการแพร่กระจายของชนิดของขยะพลาสติกในทะเล บริเวณชายฝั่งทะเลอ่าวไทยตะวันออก
มหาวิทยาลัยบูรพา
ชลี ไพบูลย์กิจกุล;เบ็ญจมาศ ไพบูลย์กิจกุล
ภัทรมน หุ่นลำพูน
วิทยานิพนธ์/Thesis
Copyright 2000 - 2025 ThaiLIS Digital Collection Working Group. All rights reserved.
ThaiLIS is Thailand Library Integrated System
สนับสนุนโดย สำนักงานบริหารเทคโนโลยีสารสนเทศเพื่อพัฒนาการศึกษา
กระทรวงการอุดมศึกษา วิทยาศาสตร์ วิจัยและนวัตกรรม
328 ถ.ศรีอยุธยา แขวง ทุ่งพญาไท เขต ราชเทวี กรุงเทพ 10400 โทร. โทร. 02-232-4000
กำลัง ออน์ไลน์
ภายในเครือข่าย ThaiLIS จำนวน 6
ภายนอกเครือข่าย ThaiLIS จำนวน 5,136
รวม 5,142 คน

More info..
นอก ThaiLIS = 233,622 ครั้ง
มหาวิทยาลัยสังกัดทบวงเดิม = 1,655 ครั้ง
มหาวิทยาลัยราชภัฏ = 491 ครั้ง
มหาวิทยาลัยเทคโนโลยีราชมงคล = 83 ครั้ง
หน่วยงานอื่น = 26 ครั้ง
มหาวิทยาลัยเอกชน = 17 ครั้ง
มหาวิทยาลัยสงฆ์ = 8 ครั้ง
สถาบันพระบรมราชชนก = 5 ครั้ง
รวม 235,907 ครั้ง
Database server :
Version 2.5 Last update 1-06-2018
Power By SUSE PHP MySQL IndexData Mambo Bootstrap
มีปัญหาในการใช้งานติดต่อผ่านระบบ UniNetHelp


Server : 8.199.134
Client : Not ThaiLIS Member
From IP : 216.73.216.212