จุฬาลงกรณ์มหาวิทยาลัย พัฒนา AI นับขยะใช้ Deep learning บรรเทาภัยน้ำท่วมเมือง
"จุฬาลงกรณ์มหาวิทยาลัย" พัฒนา Deep Learning AI นับปริมาณขยะในช่วงเวลาหน้าฝน และติดตามเส้นทางขยะ จัดแบ่งแยกขยะ 4 ประเภท หาความเชื่อมโยงกับเหตุการณ์ฝนตก หวังจัดการขยะตามแนวทาง Circular economy ได้แม่นยำขึ้น
ฝนที่ตกรุนแรงและถี่ขึ้นจากนี้ต่อไปในยุคโลกร้อน ไม่เพียงแค่ทำให้เกิดน้ำท่วมฉับพลัน แต่ยังพัดพาขยะลงสู่แม่น้ำ ไหลออกสู่มหาสมุทรกลายเป็นปัญหาระดับสากล ประเทศไทยเป็นหนึ่งในประเทศที่มีชุมชนเมืองหนาแน่นริมแม่น้ำ เคยถูกจัดอันดับประเทศที่ปล่อยขยะลงทะเลมากที่สุดเป็นอันดับ 6 ของโลก แม้อันดับจะดีขึ้นมาอยู่อันดับ 10 ในปีที่ผ่านมา แต่หากยังไม่มีการจัดการขยะตั้งแต่ต้นทาง เราอาจจะต้องใช้ชีวิตในเมืองที่เผชิญกับน้ำท่วมและขยะท่วมไปพร้อมกัน
รศ.ดร.ธนารัตน์ ชลิดาพงศ์ อาจารย์ประจำภาควิชาวิศวกรรมคอมพิวเตอร์ คณะวิศวกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย และเจ้าของเพจ Carbonoi เปิดเผยถึงการพัฒนาเทคโนโลยีปัญญาประดิษฐ์ (AI) ในประเทศไทย มุ่งเป้าแก้ไขปัญหาในท้องถิ่น ซึ่งปัญหาเร่งด่วนอย่างอุทกภัยก็สามารถใช้เทคโนโลยี AI ทางด้านวิชันมาช่วยเฝ้าระวังได้
ตั้งแต่การตรวจจับการเปลี่ยนแปลงของต้นไม้ในป่า การตรวจนับปริมาณและความเร็วของดินโคลนถล่ม หรือการตรวจสอบความเสียหายหลังเหตุภัยพิบัติ ส่วนพื้นที่ในเมือง ปัญหาใหญ่ของการระบายน้ำคือขยะขวางกั้นทางน้ำ การแก้ปัญหาด้วยการเก็บขยะอาจเป็นการแก้ที่ปลายเหตุ
หากสามารถเก็บข้อมูลประเภทขยะได้ จะสามารถลดขยะได้ตั้งแต่ต้นทาง จึงเป็นที่มาของการพัฒนา Deep Learning AI นับปริมาณขยะในช่วงเวลาหน้าฝน และติดตามเส้นทางขยะ เพื่อพิสูจน์ความเข้าใจผิดในสังคมว่าการทิ้งขยะลงคลองไม่สร้างปัญหา เนื่องจากมีการดักเก็บขยะระหว่างทางโดยแพลูกบวบและติดตะแกรงที่ประตูน้ำอยู่แล้ว
กระบวนการ Deep Learning คือการให้ AI เรียนรู้จากฐานข้อมูลจำนวนมหาศาล ซึ่งปกติจะเรียนรู้จากภาพนิ่ง แต่การพัฒนาให้ AI จับวัตถุจากภาพเคลื่อนไหวเป็นการยกระดับขึ้นอีกขั้น เพราะมีโจทย์ทางวิชันเกิดขึ้น 2 โจทย์คือ พัฒนาแบบจำลองเพื่อใช้ในการการตรวจจับวัตถุ (Object Detection) ให้ AI ตรวจจับวัตถุที่สนใจในภาพและจำแนกประเภทได้อย่างถูกต้อง และกระบวนการติดตามวัตถุ (Object Tracking) ให้ AI เรียนรู้ว่าวัตถุในเฟรมนี้อยู่ตรงไหนในเฟรมถัดไป
เพื่อการนับจำนวนวัตถุอย่างแม่นยำ ไม่นับซ้ำในภาพวีดิโอที่เคลื่อนต่อกัน อย่างไรก็ตาม การพัฒนากระบวนการ Deep Learning Vision จำเป็นต้องมีฮาร์ดแวร์ที่คุณภาพสูง เช่น กล้องราคาแพงจะสามารถจับภาพเคลื่อนไหวได้เร็วกว่าและชัดกว่าโดยที่วัตถุไม่เบลอ และจำเป็นต้องมีกลุ่มตัวอย่างของรูปที่มากเพียงพอหลายล้านรูป เพื่อให้ AI เรียนรู้อย่างแม่นยำมากขึ้น
“การใช้คนมาแยกประเภทขยะย่อมเป็นเรื่องที่ทำได้ยากและต้นทุนสูง นี่จึงเป็นจุดเริ่มต้นที่ดีที่ไทยเราพัฒนาเองได้จากอุปกรณ์กล้องหลักพัน นอกจากนี้ เรายังเจอเหตุการณ์ไม่คาดคิด กล้องจากประเทศจีนที่ใช้งานมีการบันทึกภาพบนเซิร์ฟเวอร์ที่จีนก่อนที่เราจะดาวน์โหลดมาประมวลที่เครื่องของเรา เราจึงได้แก้ไขซอฟแวร์ที่ติดตั้งมากับกล้องให้เราสามารถดึงภาพโดยตรงจากกล้องได้ หากเรามีทั้งฮาร์ดแวร์และซอฟแวร์ที่ผลิตโดยคนไทย ย่อมลดความเสี่ยงเรื่องข้อมูลรั่วไหลและค่าใช้จ่ายได้”
นายสมชาย อัศวสงคราม นิสิตปริญญาโท ภาควิชาวิศวกรรมสิ่งแวดล้อมและความยั่งยืน คณะวิศวกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย เจ้าของงานวิจัย “ผลกระทบของฝนต่อการกระจายและการอุบัติของขยะพลาสติกในคลองระบายน้ำชุมชนโดยการใช้เทคนิคการเรียนรู้เชิงลึก” อธิบายเพิ่มเติมว่า ในงานวิจัยนี้ ได้เลือกติดตั้งกล้องที่คลองหลอดวัดราชนัดดา กทม. เนื่องจากมีชุมชนพักอาศัยโดยรอบ และท่อระบายน้ำเชื่อมต่อระบายน้ำลงสู่คลอง ประกอบกับมีพื้นที่รกร้างที่มีขยะชุมชนกองทิ้งอยู่ใกล้เคียงกับคลอง
โดยได้ใช้กระบวนการ Deep Learning แยกขยะ 4 ประเภท ได้แก่ ขยะที่ไม่ใช่พลาสติก ถุงพลาสติก ขวดพลาสติก และพลาสติกอื่น ๆ เช่น ถ้วยโฟม กล่องอาหาร หลอดดูดน้ำ เนื่องจากพลาสติกแต่ละประเภทนี้มีกระบวนการรีไซเคิลที่ต่างกัน ภาพวัตถุที่ได้จากกล้อง CCTV จะนำมาติดฉลาก (data label) ประเภทขยะ ซึ่งรวบรวมภาพได้มากกว่า 2,000 ภาพ (ประกอบด้วยวัตถุมากกว่า 12,000 วัตถุ) เพื่อใช้เป็นตัวอย่างในการสอน Vision AI เพื่อใช้ในการแยกประเภทและนับขยะจากข้อมูลวีดิโอ (ความจุกว่า 2-3 เทเลไบต์) ในช่วง 3 เดือน
เมื่อนำมาหาความเชื่อมโยงกับเหตุการณ์ฝนตก พิจารณาที่อัตราการเกิดฝนตกหนักถึงปานกลางตั้งแต่ 5.1 มม./ชั่วโมงขึ้นไปติดต่อกันอย่างน้อย 2 ชั่วโมงขึ้นไป พบว่าปริมาณขยะเพิ่มขึ้นสอดคล้องกับช่วงเวลาที่เกิดฝนตก ทั้งขยะพลาสติกที่เบา ถูกพัดลงแม่น้ำได้ง่าย เช่น ถุงพลาสติกหูหิ้ว หรือ ถุงก๊อบแก๊บ และขยะที่ไม่ใช่พลาสติกจำพวกเศษไม้ ใบไม้ เฟอร์นิเจอร์ไม้ นำไปสู่ภาระงานของเจ้าหน้าที่ในการจัดการขยะก่อนการพร่องน้ำที่ประตูระบายน้ำ
“อีกหนึ่งเทคโนโลยีที่ทาง Ocean Cleanup พัฒนาร่วมกับสถาบันวิจัยสภาวะแวดล้อมของจุฬาฯ ในการทดลองใช้ คือ นำอุปกรณ์ติดตาม GPS ติดไปกับขยะพลาสติกจำลอง มีขยะจำลองที่ทีมวิจัยปล่อยไหลจากคลองบางกอกน้อยออกสู่เจ้าพระยา จนผ่านไป 2 สัปดาห์ เจออยู่ที่จ.สุราษฎร์ธานี ไม่น่าเชื่อว่าจะไปได้เร็วและไกลขนาดนั้น”
หากมีข้อมูลปริมาณและประเภทของขยะที่มากเพียงพอ จะช่วยให้เกิดนโยบายการจัดการขยะตามแนวทาง Circular economy ได้แม่นยำมากขึ้น อีกทั้งการจัดการขยะแบบดั้งเดิมด้วยการเพิ่มรอบรถเก็บขยะ ย่อมส่งผลต่อการปล่อยคาร์บอนจากการขนถ่ายขยะ แต่หากมีการจัดการเฉพาะจุดฮอตสปอต(พื้นที่ที่ขยะถูกนำมากองทิ้งไว้) แยกขยะตั้งแต่ต้นทาง หรือส่งเสริมวัสดุทางเลือก ก็จะทำให้ลดการปล่อยคาร์บอนของเมืองได้ด้วย ตามแนวทาง Carbon Neutrality
