Un futuro más verde a través de la visión artificial y Ultralytics YOLO

TrashBestie es una nueva aplicación que nos ayuda a clasificar y gestionar los residuos de una forma diferente y mejor utilizando visión artificial. TrashBestie utiliza aprendizaje profundo y tecnología avanzada para ayudar a las personas a actuar con el fin de lograr un planeta más limpio y sostenible.

El equipo detrás de TrashBestie imagina un futuro donde los residuos ya no sean una molestia, sino una oportunidad para un cambio positivo. Clasificar los residuos es importante para proteger el medio ambiente, ahorrar recursos y reducir la contaminación. Con esto en mente, TrashBestie se convirtió en la solución digital que permite a las personas tomar decisiones informadas sobre la gestión de residuos sin esfuerzo. El objetivo es claro: inspirar un movimiento colectivo hacia una gestión responsable de los residuos y fomentar un planeta más limpio para las generaciones venideras.

Conoce al equipo detrás de TrashBestie#

Antes de sumergirnos en la tecnología innovadora detrás de TrashBestie, conozcamos a sus creadores:

• Helge Rölleke: Con experiencia en ventas en el sector sanitario, Helge pasó a la ciencia de datos y llevó a cabo una investigación pionera sobre el rendimiento empresarial y la retribución de los directivos. También es un entusiasta de las setas y está abierto a nuevas oportunidades en ciencia de datos.
• My: Científica de datos y desarrolladora frontend que combina sus habilidades para abordar retos complejos y crear aplicaciones web fáciles de usar.
• Simantini Shinde: Científica de datos junior con experiencia en análisis de datos, aprendizaje automático y más. Simantini es una firme defensora del desarrollo de código abierto que explora constantemente nuevas tecnologías y persigue un estilo de vida equilibrado y sostenible.

El viaje hacia el aprendizaje automático y la IA de visión#

Helge comenzó a estudiar aprendizaje automático durante su tesis de máster, examinando cómo se relaciona el salario de un directivo con el éxito de una empresa. Esto implicó el uso de modelos de regresión y técnicas de aprendizaje automático. Helge pudo profundizar en el mundo de la IA de visión en el Bootcamp de Spiced Academy. Allí, experimentó con aprendizaje profundo y determinó la utilidad de los modelos Ultralytics YOLO.

My tenía un amigo que compartía sus proyectos de ciencia de datos, lo que despertó su interés por el aprendizaje automático. La forma en que los datos podían descubrir ideas y optimizar procesos la fascinaba. Por eso se unió al Bootcamp, donde conoció a Simantini y a Helge.

Simantini comenzó a explorar el aprendizaje automático durante su tesis de máster. Descubrió su potencial en su campo de trabajo, que implica evaluar los daños en edificios causados por terremotos. Tras su graduación, Simantini tuvo diferentes trabajos relacionados con los datos. Estos trabajos la llevaron finalmente a un bootcamp de ciencia de datos y despertaron su interés por el ML y la IA de visión.

Elegir Ultralytics YOLO para TrashBestie#

El uso que hace TrashBestie de Ultralytics YOLOv8 como herramienta principal es estratégico.

• Fácil de usar: Como Ultralytics YOLOv8 es de código abierto y fácil de usar, resultó muy accesible para el equipo.
• Precisión: Ultralytics YOLOv8 ofreció una mejor precisión, especialmente en las puntuaciones de precisión.
• Flexibilidad: El equipo pudo integrar Ultralytics YOLOv8 sin problemas con Roboflow, mejorando su flujo de trabajo.

¿Cómo funciona TrashBestie?#

TrashBestie funciona como un asistente personal de clasificación de residuos, utilizando inteligencia artificial para simplificar el proceso en cuatro pasos sencillos:

1. Detecta con tu cámara. Usa la cámara de tu dispositivo para capturar una imagen del residuo que no sabes cómo desechar.
2. Reconocimiento instantáneo. Gracias a la tecnología de reconocimiento de imágenes de Ultralytics YOLOv8, la aplicación puede analizar rápidamente imágenes e identificar diferentes tipos de residuos.
3. Perspectivas educativas. TrashBestie no se detiene en las recomendaciones. Esta herramienta proporciona conocimientos educativos a los usuarios para que entiendan los métodos de eliminación de residuos sugeridos. A su vez, esto promueve el aprendizaje a largo plazo y hábitos conscientes de eliminación de residuos.
4. Fácil de usar y accesible. La aplicación es fácil de usar y accesible para todos, haciendo que la clasificación responsable de los residuos sea alcanzable para cualquiera que utilice un dispositivo Android.

Pruébalo

Detección de objetos con webcam

Construyendo TrashBestie#

El viaje de desarrollo de TrashBestie implica una serie de pasos cruciales:

1. Etiquetado y anotación. Las imágenes se etiquetan y anotan cuidadosamente utilizando herramientas como Roboflow para crear un conjunto de datos robusto para el entrenamiento.
2. Exportación del conjunto de datos. Después de exportar el conjunto de datos etiquetado, el conjunto de datos de detección de objetos está listo para el entrenamiento.
3. Entrenamiento con Ultralytics YOLOv8. El modelo YOLOv8 se entrena con el conjunto de datos exportado, centrándose en el ajuste fino de sus parámetros para mejorar la precisión de la detección de objetos.
4. Despliegue con Streamlit. El modelo Ultralytics YOLOv8 se integra en la aplicación Streamlit, lo que garantiza una detección de objetos eficiente y precisa. Esta aplicación se aloja en GitHub utilizando YOLOv8 y Streamlit para la detección y el seguimiento de objetos.

El futuro de TrashBestie#

TrashBestie continúa mejorando mediante la adición de localización, haciéndola más accesible en iOS y Android, y perfeccionando las técnicas de procesamiento de imágenes. El equipo se compromete a mejorar continuamente el rendimiento y la precisión de la aplicación.

Echa un vistazo a su proyecto en Devpost, que incluye una galería de imágenes y un vídeo de YouTube que muestra los detalles de su trabajo.

TrashBestie tiene la misión de revolucionar la gestión de residuos y hacer que nuestro planeta sea más limpio y sostenible. Este es un primer paso hacia el futuro, que podría incluso revolucionar la concepción de las carreras en gestión de residuos. ¡Únete a ellos en este apasionante viaje hacia un futuro más ecológico!

Ponte en contacto con el equipo de TrashBestie:#

Helge: LinkedIn, GitHub

Simantini: LinkedIn, GitHub, Medium

My: LinkedIn