X
Ultralytics YOLOv8.2 الإصدارUltralytics YOLOv8.2 الإصدارUltralytics YOLOv8.2 سهم الإطلاق
الشيك الأخضر
تم نسخ الرابط إلى الحافظة

مستقبل أكثر اخضرارا من خلال رؤية الذكاء الاصطناعي و Ultralytics YOLO

اكتشف TrashBestie ، وهو تطبيق مبتكر يستخدم Ultralytics YOLOv8 لفرز أكثر ذكاء للنفايات باستخدام الذكاء الاصطناعي. انضم إلى الحركة الصديقة للبيئة من خلال حل رقمي.

شعار الفيسبوكشعار تويترشعار لينكد إنرمز نسخ الرابط

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: انتقلت هيلج، التي تتمتع بخبرة في مبيعات الرعاية الصحية، إلى علم البيانات وأجرت أبحاثا رائدة حول أداء الشركة وتعويضات المديرين التنفيذيين. إنه أيضا متحمس للفطر ومنفتح على فرص علوم البيانات الجديدة.
  • My: عالم بيانات ومطور 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.

  • سهل الاستخدام: لأن YOLOv8 مفتوح المصدر وسهل الاستخدام ، وكان في متناول الفريق بشكل كبير.
  • دقة: YOLOv8 قدمت دقة أفضل ، خاصة 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 باستخدام الكاميرا. استخدم كاميرا جهازك لالتقاط صورة لعنصر النفايات الذي لست متأكدا من كيفية التخلص منه.
  2. التعرف الفوري. منح الفضل ل YOLOv8تقنية التعرف على الصور ، يمكن للتطبيق تحليل الصور بسرعة وتحديد أنواع مختلفة من النفايات.
  3. رؤى تعليمية. لا يتوقف TrashBestie عند التوصيات. توفر هذه الأداة رؤى تعليمية للمستخدمين لفهم طرق التخلص من النفايات المقترحة. وهذا بدوره يعزز التعلم على المدى الطويل وعادات التخلص الواعية من النفايات.
  4. سهل الاستخدام ويمكن الوصول إليه. التطبيق سهل الاستخدام ومتاح للجميع ، مما يجعل فرز النفايات المسؤول بيئيا قابلا للتحقيق 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 والتعليقات التوضيحية. يتم تصنيف الصور بعناية والتعليق عليها باستخدام أدوات مثل Roboflow لإنشاء مجموعة بيانات قوية للتدريب.
  2. تصدير مجموعة البيانات. بعد تصدير مجموعة البيانات المصنفة ، تكون مجموعة بيانات اكتشاف الكائنات جاهزة للتدريب.
  3. التدريب مع YOLOv8. ال YOLOv8 يتم تدريب النموذج على مجموعة البيانات المصدرة ، مع التركيز على ضبط معلماته لتحسين دقة اكتشاف الكائنات.
  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

يستمر TrashBestie في التحسين من خلال إضافة الترجمة ، وجعله أكثر سهولة على iOS و Android ، وتحسين تقنيات معالجة الصور. يلتزم الفريق بالتحسين المستمر لأداء التطبيق ودقته.

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

دعونا نبني المستقبل
من الذكاء الاصطناعي معا!

ابدأ رحلتك مع مستقبل التعلم الآلي

اقرأ المزيد في هذه الفئة