مستقبل أكثر اخضراراً من خلال رؤية الذكاء الاصطناعي Ultralytics YOLO

TrashBestie هو تطبيق جديد يساعدنا على فرز النفايات وإدارتها بطريقة مختلفة وأفضل باستخدام الرؤية الحاسوبية. يستخدم TrashBestie التعلم العميق والتكنولوجيا المتقدمة لمساعدة الناس على اتخاذ إجراءات لجعل الكوكب أكثر نظافة واستدامة.

يتصور الفريق الذي يقف وراء TrashBestie مستقبلًا لم تعد فيه النفايات مصدر إزعاج بل فرصة للتغيير الإيجابي. يعد فرز النفايات أمرًا مهمًا لحماية البيئة وتوفير الموارد وتقليل التلوث. مع وضع ذلك في الاعتبار، أصبحت TrashBestie الحل الرقمي الذي يمكّن الأفراد من اتخاذ قرارات مستنيرة بشأن إدارة النفايات دون عناء. الهدف واضح: إلهام حركة جماعية نحو إدارة النفايات بشكل مسؤول وتعزيز كوكب أنظف للأجيال القادمة.

تعرّف على الفريق الذي يقف وراء TrashBestie

قبل أن نتعمق في التكنولوجيا المبتكرة التي تقف وراء TrashBestie، دعونا نتعرف على مبتكريها:

• Helge Rölleke: يتمتع هيلج بخبرة في مبيعات الرعاية الصحية، وقد انتقل إلى علم البيانات وأجرى أبحاثًا رائدة حول أداء الشركة وتعويضات المديرين التنفيذيين. إنه أيضًا متحمس للفطر ومنفتح على فرص جديدة في علم البيانات.
  ‍
• My: عالم بيانات ومطور واجهة أمامية يجمع بين المهارات لمواجهة التحديات المعقدة وإنشاء تطبيقات ويب سهلة الاستخدام.
  ‍
• سيمانتيني شيندي: عالمة بيانات مبتدئة ذات خبرة في تحليل البيانات والتعلم الآلي والمزيد. سيمانتيني هي مدافعة قوية عن تطوير المصادر المفتوحة وتستكشف باستمرار التقنيات الجديدة وتسعى إلى أسلوب حياة متوازن ومستدام.
  

الرحلة إلى التعلم الآلي والذكاء الاصطناعي البصري

بدأ هيلج في دراسة التعلم الآلي خلال أطروحته للماجستير، حيث درس علاقة أجر المدير بنجاح الشركة. وقد تضمن ذلك استخدام نماذج الانحدار وتقنيات التعلم الآلي. تمكن هيلج من التعمق أكثر في عالم الذكاء الاصطناعي البصري في معسكر Spiced Academy Bootcamp. وهناك، جرب التعلم العميق وحدد فائدة نماذج Ultralytics YOLO .

أنا كان لدي صديق شارك مشاريع علم البيانات الخاصة به، مما أثار اهتمامها بتعلم الآلة. الطريقة التي يمكن بها للبيانات الكشف عن رؤى وتحسين العمليات أذهلتها. لهذا السبب انضمت إلى المعسكر التدريبي، حيث التقت بسيمانتيني وهيلي.

بدأت سيمانتيني في استكشاف التعلم الآلي خلال رسالة الماجستير الخاصة بها. اكتشفت إمكاناته في مجال عملها، والذي يتضمن تقييم أضرار المباني الناجمة عن الزلازل. بعد تخرجها، شغلت سيمانتيني وظائف مختلفة تتعلق بالبيانات. أدت هذه الوظائف في النهاية إلى معسكر تدريب لعلوم البيانات وأثارت اهتمامها بالتعلم الآلي ورؤية الذكاء الاصطناعي.

اختيار Ultralytics YOLO لـ TrashBestie

استخدام TrashBestie ل Ultralytics YOLOv8 كأداة أساسية هو أمر استراتيجي.

• سهولة الاستخدام: نظرًا لأن YOLOv8 مفتوح المصدر وسهل الاستخدام، فقد كان سهل الاستخدام إلى حد كبير بالنسبة للفريق.
  ‍
• الدقة: وفرت YOLOv8 دقة أفضل، خاصة في درجات الدقة.
  ‍
• المرونة: تمكّن الفريق من دمج YOLOv8 بسلاسة مع Roboflow مما عزز سير العمل لديهم.
  

كيف يعمل TrashBestie؟

تعمل 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 متأكدًا من كيفية التخلص منه.
   ‍
2. التعرّف الفوري. بفضل تقنية التعرف على الصور التي يوفرها 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 طرق التخلص من النفايات المقترحة. وهذا بدوره يعزز التعلم على المدى الطويل وعادات التخلص الواعية 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 .

جربها

بناء TrashBestie

تتضمن رحلة تطوير TrashBestie سلسلة من الخطوات الحاسمة:

1. وضع العلامات والشروح. يتم وسم الصور بعناية ووضع شروح لها باستخدام أدوات مثل Roboflow لإنشاء مجموعة بيانات قوية للتدريب.
   ‍
2. تصدير مجموعة البيانات. بعد تصدير مجموعة البيانات المصنفة، تصبح مجموعة بيانات الكشف عن 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. نشر Streamlit. نموذج YOLOv8 مدمج في تطبيق Streamlit، مما يضمن اكتشاف الكائنات بكفاءة ودقة. يُستضاف هذا التطبيق على GitHub باستخدام YOLOv8 و Streamlit لاكتشاف الأجسام وتتبعها.
   

مستقبل TrashBestie

يستمر TrashBestie في التحسين من خلال إضافة الترجمة وجعل التطبيق أكثر سهولة على iOS Android وتحسين تقنيات معالجة الصور. يلتزم الفريق بتحسين أداء التطبيق ودقته باستمرار.

تحقق من مشروعهم على Devpost، والذي يتضمن معرض صور ومقطع فيديو على YouTube يعرض تفاصيل عملهم.

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

تواصل مع فريق TrashBestie:

هيلج: لينكد إن، GitHub

سيمانتيني: LinkedIn، GitHub، Medium

حسابي: LinkedIn