شيك أخضر
تم نسخ الرابط إلى الحافظة

مستقبل أكثر اخضرارا من خلال رؤية الذكاء الاصطناعي و Ultralytics YOLO

اكتشف تطبيق TrashBestie، وهو تطبيق مبتكر يستخدم Ultralytics YOLOv8 لفرز النفايات بطريقة أكثر ذكاءً باستخدام الذكاء الاصطناعي. انضم إلى الحركة الصديقة للبيئة مع حل رقمي.

TrashBestie هو تطبيق جديد يساعدنا على فرز النفايات وإدارتها بطريقة مختلفة وأفضل باستخدام رؤية الكمبيوتر. يستخدم TrashBestie التعلم العميق والتكنولوجيا المتقدمة لمساعدة الناس على اتخاذ إجراءات لجعل الكوكب أنظف وأكثر استدامة.

يتصور الفريق الذي يقف وراء TrashBestie مستقبلا لم تعد فيه النفايات مصدر إزعاج بل فرصة للتغيير الإيجابي. يعد فرز النفايات أمرا مهما لحماية البيئة وتوفير الموارد وتقليل التلوث. مع وضع ذلك في الاعتبار ، أصبح TrashBestie الحل الرقمي الذي يمكن الأفراد من اتخاذ قرارات مستنيرة لإدارة النفايات دون عناء. الهدف واضح: إلهام حركة جماعية نحو الإدارة المسؤولة للنفايات وتعزيز كوكب أنظف للأجيال القادمة.

تعرف على الفريق الذي يقف وراء TrashBestie

قبل أن نتعمق في التكنولوجيا المبتكرة وراء TrashBestie ، دعنا نلتقي بمبدعيها:

  • هيلج روليكه: انتقل هيلج الذي يتمتع بخبرة في مبيعات الرعاية الصحية، إلى علم البيانات وأجرى بحثًا رائدًا حول أداء الشركات وتعويضات المديرين التنفيذيين. وهو أيضًا من عشاق الفطر ومنفتح على فرص جديدة في مجال علم البيانات.
  • بلدي: عالم بيانات ومطوّر واجهة أمامية يجمع بين المهارات اللازمة لمواجهة التحديات المعقدة وإنشاء تطبيقات ويب سهلة الاستخدام.
  • Simantini Shinde: عالم بيانات مبتدئ يتمتع بخبرة في تحليل البيانات والتعلم الآلي والمزيد. سيمانتيني هو مدافع قوي عن تطوير المصادر المفتوحة الذي يستكشف باستمرار التقنيات الجديدة ويتبع أسلوب حياة متوازن ومستدام.

الرحلة إلى التعلم الآلي والرؤية الذكاء الاصطناعي

بدأ هيلج دراسة التعلم الآلي خلال أطروحة الماجستير، حيث درس كيفية ارتباط أجر المدير بنجاح الشركة. تضمن ذلك استخدام نماذج الانحدار وتقنيات التعلم الآلي. تمكنت هيلج من الغوص بشكل أعمق في عالم الرؤية الذكاء الاصطناعي في المعسكر التدريبي لأكاديمية سبايسيد. هنا ، جرب التعلم العميق وحدد فائدةUltralytics YOLO نماذج.

كان لدي صديق شاركني مشاريعه في علوم البيانات ، مما أثار اهتمامها بالتعلم الآلي. الطريقة التي يمكن أن تكشف بها البيانات عن الرؤى وتحسين العمليات فتنت بها. لهذا السبب انضمت إلى Bootcamp ، حيث التقت ب Simantini و Helge.

بدأت سيمانتيني استكشاف التعلم الآلي خلال أطروحة الماجستير. اكتشفت إمكاناتها في مجال عملها ، والذي يتضمن تقييم أضرار المباني الناجمة عن الزلازل. بعد تخرجها ، كان لدى Simanti وظائف مختلفة تتضمن البيانات. قادتها هذه الوظائف في النهاية إلى معسكر تدريبي لعلوم البيانات وأثارت اهتمامها بالتعلم الآلي والرؤية الذكاء الاصطناعي.

اختيار Ultralytics YOLO ل TrashBestie

استخدام TrashBestie ل Ultralytics YOLOv8 حيث أن الأداة الأساسية استراتيجية.

  • سهولة الاستخدام: نظرًا لأن YOLOv8 مفتوح المصدر وسهل الاستخدام، فقد كان سهل الاستخدام إلى حد كبير بالنسبة للفريق.
  • الدقة: قدم YOLOv8 دقة أفضل، خاصةً في درجات الدقة.
  • المرونه: يمكن للفريق الاندماج YOLOv8 بسلاسة مع Roboflow، مما يعزز سير عملهم.

كيف يعمل TrashBestie؟

يعمل TrashBestie كمساعد شخصي لفرز النفايات ، باستخدام الذكاء الاصطناعي لتبسيط العملية إلى أربع خطوات مباشرة:

  1. اكتشف بكاميرتك. استخدم كاميرا جهازك لالتقاط صورة للمخلفات التي لست متأكداً من كيفية التخلص منها.
  2. التعرّف الفوري. بفضل تقنية التعرف على الصور في تطبيق YOLOv8 يمكن للتطبيق تحليل الصور بسرعة وتحديد أنواع النفايات المختلفة.
  3. رؤى تعليمية. لا تتوقف TrashBestie عند التوصيات. توفر هذه الأداة رؤى تعليمية للمستخدمين لفهم الطرق المقترحة للتخلص من النفايات. وهذا بدوره يعزز التعلم على المدى الطويل والعادات الواعية للتخلص من النفايات.
  4. سهل الاستخدام وسهل الوصول إليه. التطبيق سهل الاستخدام ومتاح للجميع، مما يجعل الفرز المسؤول بيئياً للنفايات متاحاً لأي شخص يستخدم جهاز Android .

جربه

TrashBestie باستخدام YOLOv8 للكشف عن النفايات
كشف كائن كاميرا الويب

بناء القمامةأفضل

تتضمن رحلة تطوير TrashBestie سلسلة من الخطوات الحاسمة:

  1. وضع العلامات والشروح. يتم تسمية الصور بعناية ووضع شروح لها باستخدام أدوات مثل Roboflow لإنشاء مجموعة بيانات قوية للتدريب.
  2. تصدير مجموعة البيانات. بعد تصدير مجموعة البيانات الموسومة، تصبح مجموعة بيانات اكتشاف الكائنات جاهزة للتدريب.
  3. التدريب باستخدام YOLOv8. يتم تدريب نموذج YOLOv8 على مجموعة البيانات المصدرة، مع التركيز على ضبط بارامتراته لتحسين دقة اكتشاف الأجسام.
  4. تبسيط النشر. ال YOLOv8 تم دمج النموذج في تطبيق Streamlit ، مما يضمن اكتشاف الأشياء بكفاءة ودقة. يتم استضافة هذا التطبيق على جيثب باستخدام YOLOv8 و Streamlit لاكتشاف الكائنات وتتبعها.

مستقبل TrashBestie

ويواصل تطبيق TrashBestie التحسين المستمر من خلال إضافة خاصية التعريب، وجعله أكثر سهولة على iOS و Android ، وتحسين تقنيات معالجة الصور. يلتزم الفريق بتحسين أداء التطبيق ودقته باستمرار.

تحقق من مشروعهم على Devpost ، والذي يتضمن معرضا للصور ومقطع فيديو على YouTube يعرض تفاصيل عملهم.

TrashBestie في مهمة لإحداث ثورة في إدارة النفايات وجعل كوكبنا أنظف وأكثر استدامة. هذه هي الخطوة الأولى في المستقبل ، والتي يمكن أن تحدث ثورة في مفهوم وظائف إدارة النفايات. انضم إليهم في هذه الرحلة المثيرة نحو مستقبل أكثر اخضرارا!

تواصل مع فريق TrashBestie:

Helge: LinkedIn ، GitHub

Simantini: لينكد إن، جيثب، متوسط

بلدي : لينكد إن

شعار LinkedInشعار تويترشعار الفيسبوكرمز نسخ الرابط

اقرأ المزيد في هذه الفئة

دعونا نبني المستقبل
من الذكاء الاصطناعي معا!

ابدأ رحلتك مع مستقبل التعلم الآلي