LuanVan.vnLuận Văn
Gửi thư

Phân loại rác thải rắn dựa trên mô hình học sâu kết hợp

Đồ án tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo

Loại tài liệuĐồ án tốt nghiệp
Bậc họcĐại học
Tác giảLê Văn Minh
Người hướng dẫnPhạm Doãn Tĩnh
Cơ sở đào tạoĐại học Bách khoa Hà Nội
Năm2025
NguồnThư viện số Đại học Bách khoa Hà Nội · trang gốc

Tóm tắt

Xây dựng mô hình học sâu đa phương thức cho bài toán phân loại rác thải rắn, kết hợp thông tin từ âm thanh và hình ảnh nhằm nâng cao độ chính xác nhận dạng vật liệu. Với dữ liệu âm thanh, tín hiệu được xử lý bằng biến đổi Fourier thời gian ngắn (STFT) để chuyển sang miền tần số và tạo phổ Log-Mel Spectrogram, sau đó đưa vào các mô hình Conv1D, LSTM và Conv2D để học đặc trưng. Với dữ liệu hình ảnh, tập dữ liệu được gán nhãn trên Roboflow và sử dụng YOLOv8 để huấn luyện mô hình phát hiện, phân loại rác. Hai kết quả được đưa vào mô hình kết hợp (Fusion Model) để tổng hợp thông tin và đưa ra quyết định phân loại cuối cùng. Mô hình được đánh giá trên tập kiểm thử và triển khai thử nghiệm trên hệ thống thực tế. Kết quả bước đầu cho thấy phương pháp kết hợp có triển vọng trong việc cải thiện hiệu quả phân loại và có khả năng tích hợp vào các hệ thống phân loại rác tự động.
Bản toàn văn lưu tại thư viện Đại học Bách khoa Hà Nội

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.