Mit Vision AI und Ultralytics YOLO in eine grünere Zukunft

TrashBestie ist eine neue App, die uns mithilfe von Computer Vision dabei unterstützt, Abfälle auf eine andere und bessere Art zu sortieren und zu verwalten. TrashBestie nutzt Deep Learning und fortschrittliche Technologie, um Menschen dabei zu helfen, aktiv zu werden und den Planeten sauberer und nachhaltiger zu machen.

Das Team hinter TrashBestie stellt sich eine Zukunft vor, in der Abfälle keine Belastung mehr sind, sondern eine Chance für positive Veränderungen. Die Mülltrennung ist wichtig, um die Umwelt zu schützen, Ressourcen zu sparen und die Verschmutzung zu reduzieren. Mit diesem Ziel wurde TrashBestie zur digitalen Lösung, die Menschen dabei unterstützt, mühelos fundierte Entscheidungen bei der Abfallverwaltung zu treffen. Das Ziel ist klar: eine gemeinsame Bewegung hin zu einem verantwortungsvollen Umgang mit Abfällen zu inspirieren und einen saubereren Planeten für kommende Generationen zu schaffen.

Das Team hinter TrashBestie#

Bevor wir uns mit der innovativen Technologie hinter TrashBestie befassen, lernen wir zunächst die Entwicklerinnen und Entwickler kennen:

• Helge Rölleke: Helge verfügt über Erfahrung im Vertrieb im Gesundheitswesen, wechselte in die Datenwissenschaft und führte wegweisende Untersuchungen zur Unternehmensleistung und zur Vergütung von Führungskräften durch. Außerdem begeistert er sich für Pilze und ist offen für neue Möglichkeiten in der Datenwissenschaft.
• My: Eine Datenwissenschaftlerin und Frontend-Entwicklerin, die ihre Fähigkeiten kombiniert, um komplexe Herausforderungen zu bewältigen und benutzerfreundliche Webanwendungen zu entwickeln.
• Simantini Shinde: Eine Junior-Datenwissenschaftlerin mit Fachkenntnissen in Datenanalyse, maschinellem Lernen und weiteren Bereichen. Simantini setzt sich nachdrücklich für die Entwicklung von Open-Source-Software ein, erkundet kontinuierlich neue Technologien und strebt einen ausgewogenen, nachhaltigen Lebensstil an.

Der Weg zu Machine Learning und Vision AI#

Helge begann während seiner Masterarbeit, sich mit Machine Learning zu beschäftigen. Dabei untersuchte er, wie die Vergütung einer Führungskraft mit dem Erfolg eines Unternehmens zusammenhängt. Dazu setzte er Regressionsmodelle und Machine-Learning-Verfahren ein. In einem Bootcamp der Spiced Academy konnte Helge tiefer in die Welt der Vision AI eintauchen. Dort experimentierte er mit Deep Learning und stellte fest, wie nützlich die Modelle von Ultralytics YOLO sind.

My hatte einen Freund, der seine Projekte aus der Datenwissenschaft mit ihr teilte und dadurch ihr Interesse an Machine Learning weckte. Sie faszinierte, wie sich mithilfe von Daten Erkenntnisse gewinnen und Prozesse optimieren lassen. Deshalb nahm sie am Bootcamp teil, wo sie Simantini und Helge kennenlernte.

Simantini begann während ihrer Masterarbeit, sich mit Machine Learning zu beschäftigen. Sie entdeckte dessen Potenzial in ihrem Arbeitsbereich, zu dem die Bewertung von Gebäudeschäden durch Erdbeben gehört. Nach ihrem Abschluss hatte Simantini verschiedene Tätigkeiten im Datenbereich. Diese führten sie schließlich zu einem Bootcamp für Datenwissenschaft und weckten ihr Interesse an ML und Vision AI.

Warum TrashBestie Ultralytics YOLO verwendet#

Der Einsatz von Ultralytics YOLOv8 als wichtigstem Werkzeug bei TrashBestie ist strategisch gewählt.

• Benutzerfreundlichkeit: Da Ultralytics YOLOv8 als Open-Source-Software verfügbar und einfach zu bedienen ist, war es für das Team sehr gut zugänglich.
• Genauigkeit: Ultralytics YOLOv8 lieferte eine höhere Genauigkeit, insbesondere bei den Präzisionswerten.
• Flexibilität: Das Team konnte Ultralytics YOLOv8 nahtlos in Roboflow integrieren und dadurch seinen Arbeitsablauf verbessern.

Wie funktioniert TrashBestie?#

TrashBestie dient als persönlicher Assistent für die Mülltrennung und nutzt künstliche Intelligenz, um den Prozess in vier einfache Schritte zu unterteilen:

1. Mit deiner Kamera erkennen. Verwende die Kamera deines Geräts, um ein Bild des Abfallgegenstands aufzunehmen, bei dem du nicht weißt, wie du ihn entsorgen sollst.
2. Sofortige Erkennung. Dank der Bilderkennungstechnologie von Ultralytics YOLOv8 kann die App Bilder schnell analysieren und verschiedene Abfallarten identifizieren.
3. Wissensvermittlung. TrashBestie beschränkt sich nicht auf Empfehlungen. Das Tool stellt Nutzerinnen und Nutzern Hintergrundinformationen bereit, damit sie die empfohlenen Entsorgungsmethoden verstehen. Dadurch werden langfristiges Lernen und ein bewusster Umgang mit Abfällen gefördert.
4. Einfach und zugänglich. Die App ist benutzerfreundlich und für alle zugänglich, sodass umweltbewusste Mülltrennung für alle möglich wird, die ein Android-Gerät verwenden.

Jetzt ausprobieren

Objekterkennung per Webcam

Die Entwicklung von TrashBestie#

Die Entwicklung von TrashBestie umfasst mehrere entscheidende Schritte:

1. Beschriftung und Annotation. Bilder werden sorgfältig mit Tools wie Roboflow beschriftet und annotiert, um einen robusten Datensatz für das Training zu erstellen.
2. Export des Datensatzes. Nach dem Export des beschrifteten Datensatzes ist der Datensatz für die Objekterkennung bereit für das Training.
3. Training mit Ultralytics YOLOv8. Das YOLOv8-Modell wird mit dem exportierten Datensatz trainiert. Dabei liegt der Schwerpunkt auf der Feinabstimmung seiner Parameter, um die Genauigkeit der Objekterkennung zu verbessern.
4. Bereitstellung mit Streamlit. Das Ultralytics YOLOv8-Modell wird in die Streamlit-Anwendung integriert, um eine effiziente und genaue Objekterkennung sicherzustellen. Diese App wird auf GitHub gehostet und verwendet YOLOv8 und Streamlit zur Objekterkennung und -verfolgung.

Die Zukunft von TrashBestie#

TrashBestie wird kontinuierlich verbessert, unter anderem durch die Ergänzung einer Lokalisierung, eine bessere Zugänglichkeit auf iOS und Android sowie die Weiterentwicklung der Bildverarbeitungstechniken. Das Team arbeitet kontinuierlich daran, die Leistung und Präzision der App zu verbessern.

Sieh dir das Projekt auf Devpost an. Es umfasst eine Bildergalerie und ein YouTube-Video, in dem die Details der Arbeit vorgestellt werden.

TrashBestie hat es sich zur Aufgabe gemacht, die Abfallverwaltung zu revolutionieren und unseren Planeten sauberer und nachhaltiger zu machen. Dies ist ein erster Schritt in die Zukunft, der sogar die Vorstellungen von Berufen in der Abfallverwaltung revolutionieren könnte. Begleite das Team auf dieser spannenden Reise in eine grünere Zukunft!

Nimm Kontakt mit dem TrashBestie-Team auf:#

Helge: LinkedIn, GitHub

Simantini: LinkedIn, GitHub, Medium

My: LinkedIn