Un futuro más verde mediante Vision AI y Ultralytics YOLO

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

El equipo detrás de TrashBestie imagina un futuro en el que los residuos ya no sean una molestia, sino una oportunidad para lograr 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 está claro: inspirar un movimiento colectivo hacia una gestión responsable de los residuos y fomentar un planeta más limpio para las generaciones futuras.

Conoce al equipo detrás de TrashBestie#

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

• Helge Rölleke: con experiencia en ventas en el sector sanitario, Helge se pasó a la ciencia de datos y realizó una investigación pionera sobre el rendimiento de las empresas y la remuneración 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 conocimientos para abordar retos complejos y crear aplicaciones web fáciles de usar.
• Simantini Shinde: científica de datos júnior especializada en análisis de datos, aprendizaje automático y mucho más. Simantini defiende firmemente el desarrollo de código abierto, explora constantemente nuevas tecnologías y busca un estilo de vida equilibrado y sostenible.

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

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

My tenía un amigo que compartía sus proyectos de ciencia de datos, lo que despertó su interés por el aprendizaje automático. Le fascinaba cómo los datos podían revelar información y optimizar procesos. Por eso se unió al Bootcamp, donde conoció a Simantini y Helge.

Simantini comenzó a explorar el aprendizaje automático durante su tesis de máster. Descubrió su potencial en su ámbito de trabajo, que consiste en evaluar los daños en edificios causados por terremotos. Tras graduarse, Simantini desempeñó distintos 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.

La elección de Ultralytics YOLO para TrashBestie#

El uso de Ultralytics YOLOv8 como herramienta principal por parte de TrashBestie es una decisión estratégica.

• Fácil de usar: como Ultralytics YOLOv8 es de código abierto y fácil de usar, el equipo pudo acceder a él con facilidad.
• Precisión: Ultralytics YOLOv8 ofrecía una mayor precisión, especialmente en las métricas de precisión.
• Flexibilidad: el equipo pudo integrar Ultralytics YOLOv8 fácilmente con Roboflow, mejorando su flujo de trabajo.

¿Cómo funciona TrashBestie?#

TrashBestie funciona como un asistente personal para clasificar residuos y utiliza inteligencia artificial para simplificar el proceso en cuatro pasos sencillos:

1. Detecta con tu cámara. Utiliza 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 las imágenes e identificar distintos tipos de residuos.
3. Información educativa. TrashBestie no se limita a ofrecer recomendaciones. Esta herramienta proporciona a los usuarios información educativa para que comprendan los métodos de eliminación de residuos sugeridos. A su vez, esto fomenta el aprendizaje a largo plazo y unos hábitos conscientes de eliminación de residuos.
4. Fácil de usar y accesible. La aplicación es fácil de usar y accesible para todo el mundo, lo que hace posible que cualquier persona con un dispositivo Android clasifique sus residuos de forma respetuosa con el medio ambiente.

Pruébala

Detección de objetos con webcam

Desarrollo de TrashBestie#

El proceso de desarrollo de TrashBestie consta de una serie de pasos fundamentales:

1. Etiquetado y anotación. Las imágenes se etiquetan y anotan cuidadosamente con herramientas como Roboflow para crear un conjunto de datos sólido para el entrenamiento.
2. Exportación del conjunto de datos. Tras 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 ajustar 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 para garantizar una detección de objetos eficiente y precisa. Esta aplicación está alojada en GitHub y utiliza YOLOv8 y Streamlit para la detección y el seguimiento de objetos.

El futuro de TrashBestie#

TrashBestie sigue mejorando mediante la incorporación de la localización, una mayor accesibilidad en iOS y Android y el perfeccionamiento de las técnicas de procesamiento de imágenes. El equipo se ha comprometido 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 en el que se muestran 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 incluso podría revolucionar la concepción de las profesiones relacionadas con la gestión de residuos. ¡Únete a ellos en este emocionante viaje hacia un futuro más verde!

Ponte en contacto con el equipo de TrashBestie:#

Helge: LinkedIn, GitHub

Simantini: LinkedIn, GitHub, Medium

My: LinkedIn