| dc.description.abstract | Den årlige produksjonen av plastmateriale nådde mer enn 380 millioner tonn i 2015, hvor omtrent åtte millioner tonn ender i havet årlig. Plast er et syntetisk materiale som består av fossile hydrokarboner, noe som betyr at det er ikke-biologisk nedbrytbart - det brytes ikke ned. Det blir istedenfor delt opp i mindre og mindre biter, helt til det når et mikrostadium, kjent som mikroplast.
Plastforurensningen er et globalt problem som påvirker miljøet, dyreliv, og mennesker på ulike negative måter. Det er derfor viktig å ha strenge konsekvenser for forsøpling på plass og motivere innbyggere til å ta del i å fjerne plastavfall fra miljøet. Denne masteroppgaven foreslår en kryssplattform mobilapplikasjon for å gjøre det mulig for medborgere å ta del i løsningen av plastforurensningsproblemet ved å dokumentere plastavfall i husstanden og i miljøet. Den opplastede informasjonen blir deretter sortert og organisert i et datasett, bestående av ulike typer plastmateriale, ettersom bare enkelte typer plastmaterial er resirkulerbart. Dette datasettet blir deretter utvidet ved bruk av diverse bildebehandlingsmetoder, slik som data augmentation, balansering av klassetyper, reduksjon av bildekvalitet, og tilfelding støy, for å øke antall datapunkter og simulere eldre mobiltelefoner med kameraer av lav kvalitet. Et sett med eksperimenter er deretter utført for å finne ut om det er mulig å trene et dypt nevralt nettverk til å gjenkjenne typer av plastmaterialer i bilder. Resultatene fra forsøkene er lovende, hvor valg av den dype nevrale nettverksarkitekturen og antall datapunkter i datasettet er funnet å være avgjørende elementer for ytelsen. | |