Eine grünere Zukunft durch Vision AI und Ultralytics YOLO

‍TrashBestie ist eine neue App, die uns hilft, Abfälle mithilfe von Computer Vision anders und besser zu sortieren und zu verwalten. TrashBestie verwendet Deep Learning und fortschrittliche Technologie, um Menschen dabei zu helfen, Maßnahmen zu ergreifen, um den Planeten sauberer und nachhaltiger zu machen.

Das Team hinter TrashBestie hat die Vision einer Zukunft, in der Abfall keine Belästigung mehr ist, sondern eine Chance für positive Veränderungen. Die Mülltrennung ist wichtig, um die Umwelt zu schützen, Ressourcen zu schonen und die Umweltverschmutzung zu reduzieren. Vor diesem Hintergrund wurde TrashBestie zur digitalen Lösung, die es Einzelpersonen ermöglicht, mühelos fundierte Entscheidungen im Bereich der Abfallwirtschaft zu treffen. Das Ziel ist klar: eine kollektive Bewegung hin zu einer verantwortungsvollen Abfallwirtschaft anzustoßen und einen saubereren Planeten für kommende Generationen zu fördern.

Lernen Sie das Team hinter TrashBestie kennen

Bevor wir uns mit der innovativen Technologie hinter TrashBestie befassen, wollen wir die Entwickler kennenlernen:

• Helge Rölleke: Helge hat Erfahrung im Vertrieb im Gesundheitswesen und wechselte zur Data Science. Er führte bahnbrechende Forschungen zur Unternehmensleistung und zur Vergütung von Führungskräften durch. Er ist außerdem ein Pilzliebhaber und offen für neue Data-Science-Möglichkeiten.
  ‍
• My: Ein Data Scientist und Frontend-Entwickler, der seine Fähigkeiten kombiniert, um komplexe Herausforderungen zu meistern und benutzerfreundliche Webanwendungen zu erstellen.
  ‍
• Simantini Shinde: Eine Junior Data Scientist mit Expertise in Datenanalyse, maschinellem Lernen und mehr. Simantini ist eine starke Verfechterin der Open-Source-Entwicklung, die ständig neue Technologien erforscht und einen ausgewogenen, nachhaltigen Lebensstil verfolgt.
  

Die Reise zu maschinellem Lernen und Vision AI

Helge begann sein Studium des maschinellen Lernens während seiner Masterarbeit, in der er untersuchte, wie die Bezahlung eines Managers mit dem Erfolg eines Unternehmens zusammenhängt. Dies umfasste die Verwendung von Regressionsmodellen und Techniken des maschinellen Lernens. Helge konnte bei Spiced Academy's Bootcamp tiefer in die Welt der Vision AI eintauchen. Hier experimentierte er mit Deep Learning und ermittelte den Nutzen von Ultralytics YOLO-Modellen.

Meine hatte einen Freund, der seine Data-Science-Projekte teilte, was ihr Interesse an maschinellem Lernen weckte. Die Art und Weise, wie Daten Einblicke aufdecken und Prozesse optimieren konnten, faszinierte sie. Deshalb trat sie dem Bootcamp bei, wo sie Simantini und Helge kennenlernte.

Simantini begann während ihrer Masterarbeit, Machine Learning zu erforschen. Sie entdeckte dessen Potenzial in ihrem Arbeitsbereich, der die Beurteilung von Gebäudeschäden durch Erdbeben umfasst. Nach ihrem Abschluss hatte Simanti verschiedene Jobs im Bereich Daten. Diese Jobs führten sie schließlich zu einem Data-Science-Bootcamp und weckten ihr Interesse an ML und Vision AI.

Die Wahl von Ultralytics YOLO für TrashBestie

Die Verwendung von Ultralytics YOLOv8 als Hauptwerkzeug durch TrashBestie ist strategisch.

• Benutzerfreundlich: Da YOLOv8 Open-Source und einfach zu bedienen ist, war es für das Team sehr zugänglich.
  ‍
• Genauigkeit: YOLOv8 bot eine bessere Genauigkeit, insbesondere bei den Precision-Werten.
  ‍
• Flexibilität: Das Team konnte YOLOv8 nahtlos in Roboflow integrieren und so seinen Workflow verbessern.
  

Wie funktioniert TrashBestie?

TrashBestie fungiert als persönlicher Assistent für die Mülltrennung und vereinfacht den Prozess mithilfe künstlicher Intelligenz in vier einfachen Schritten:

1. Mit Ihrer Kamera erkennen. Verwenden Sie die Kamera Ihres Geräts, um ein Bild des Abfallprodukts aufzunehmen, bei dem Sie sich nicht sicher sind, wie Sie es entsorgen sollen.
   ‍
2. Sofortige Erkennung. Dank der Bilderkennungstechnologie von YOLOv8 kann die App Bilder schnell analysieren und verschiedene Arten von Abfall identifizieren.
   ‍
3. Pädagogische Einblicke. TrashBestie hört nicht bei Empfehlungen auf. Dieses Tool bietet Benutzern pädagogische Einblicke, um die vorgeschlagenen Methoden der Abfallentsorgung zu verstehen. Dies wiederum fördert langfristiges Lernen und bewusste Gewohnheiten bei der Abfallentsorgung.
   ‍
4. Einfach zu bedienen und zugänglich. Die App ist benutzerfreundlich und für alle zugänglich, wodurch eine umweltbewusste Mülltrennung für jeden mit einem Android-Gerät erreichbar ist.

Probieren Sie es aus

TrashBestie aufbauen

Die Entwicklungsreise von TrashBestie umfasst eine Reihe von entscheidenden Schritten:

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

Die Zukunft von TrashBestie

TrashBestie wird kontinuierlich verbessert, indem Lokalisierung hinzugefügt wird, wodurch es auf iOS und Android besser zugänglich wird, und indem Bildverarbeitungstechniken verfeinert werden. Das Team ist bestrebt, die Leistung und Präzision der App kontinuierlich zu verbessern.

Sehen Sie sich ihr Projekt auf Devpost an, das eine Bildergalerie und ein YouTube-Video mit Details zu ihrer Arbeit enthält.

TrashBestie hat es sich zur Aufgabe gemacht, die Abfallwirtschaft zu revolutionieren und unseren Planeten sauberer und nachhaltiger zu machen. Dies ist ein erster Schritt in die Zukunft, der sogar die Konzeption von Karrieren in der Abfallwirtschaft revolutionieren könnte. Begleiten Sie sie auf dieser spannenden Reise in eine grünere Zukunft!

Nehmen Sie Kontakt mit dem TrashBestie-Team auf:

Helge: LinkedIn, GitHub

Simantini: LinkedIn, GitHub, Medium

Mein: LinkedIn