Kiểm soát tiếng ồn trong môi trường lao động là cần thiết cho sức khỏe con người và môi trường xung quanh. Mức độ tiếng ồn nguy hiểm, được coi là ngưỡng gây ra các vấn đề về tâm sinh lý cho người lao động. Mục đích của nghiên cứu này xây dựng bản đồ phân bố không gian mức độ tiếng ồn bằng số liệu đo được tính toán dựa trên mô hình tiếng ồn. Một khu công nghiệp sản xuất nhựa tại thành phố Hải Phòng đã được lựa chọn và mức áp suất âm thanh được đo tại 60 điểm riêng biệt tại khu công nghiệp. Các phép đo được tiến hành vào các khung giờ buổi Sáng (8h00 – 10h00) với mức độ tiếng ồn vào buổi sáng dao động từ 37,5 đến 95,2 dBA, buổi Trưa (11h30 – 13h30) dao động từ 17,0 đến 74,0 dBA và buổi Chiều (14h00 – 16h00) từ 38,7 đến 100 dBA. Dữ liệu mức tiếng ồn thu được của khu công nghiệp được lập bản đồ bằng mô hình mạng nơ-ron hàm cơ sở xuyên tâm (RBF). Kết quả chỉ ra rằng chất lượng môi trường lao động trong khu công nghiệp ở mức trung bình, có nghĩa là việc tiếp xúc với các mức độ này trong một thời gian dài có thể ảnh hưởng đến sức khỏe và chất lượng cuộc sống của người lao động. Đề xuất giải pháp khả thi để giảm mức độ tiếng ồn trong khu vực xuống các giá trị giới hạn cho phép nhằm nâng cao chất lượng môi trường lao động.

Rác thải nhựa tại các khu vực ven biển có nguồn gốc do các hoạt động của con người và đang trở thành mối nguy cho môi trường biển bởi số lượng lớn và khó phân hủy. Chúng đe dọa đến hệ động vật biển và phá hủy hệ sinh thái biển, gây ô nhiễm môi trường và làm giảm giá trị cảnh quan của bãi biển. Các chương trình giám sát và các biện pháp giảm thiểu đã được đưa ra để giải quyết vấn đề này trên toàn thế giới, với sự hỗ trợ ngày càng nhiều của công nghệ hiện đại và tự động hóa các quá trình phân tích. Hình ảnh từ máy bay không người lái (UAV) và mạng nơ-ron tích chập sâu (DCNN) có thể được sử dụng hiệu quả để phát hiện, xác định và giám sát loại rác thải nhựa ven biển. Nghiên cứu này đề xuất một thuật toán phát hiện rác thải nhựa ven biển dựa trên cách tiếp cận mô hình DCNN có khả năng học từ dữ liệu không có cấu trúc hoặc không được gắn nhãn. Mô hình học máy dựa trên mạng nơ-ron tích chập sâu đã được đào tạo và thử nghiệm bằng cách sử dụng 95 hình ảnh được chụp từ Phantom 4 Pro với camera loại CMOS 1 inch có độ phân giải 20MP khu vực ven biển Hội An (Quảng Nam). Kết quả cho thấy, độ chính xác trong phân loại hình ảnh rác thải nhựa ven biển và xác nhận chéo lần lượt là 0,87 và 0,83. Nghiên cứu nhằm cung cấp một cách tiếp cận mới cho các nhà nghiên cứu, nhà quản lý vùng ven biển có ý định sử dụng ảnh UAV để giám sát và đánh giá mối đe dọa môi trường từ các mảnh rác thải biển. Tuy nhiên, việc giám sát tự động vẫn là một thách thức về công nghệ và cần có những nghiên cứu thêm để cải thiện độ chính xác của các thuật toán hiện tại trong tương lai.