Un futuro más verde gracias a la inteligencia artificial y la ultralítica YOLO

‍TrashBestie es una nueva app que nos ayuda a clasificar y gestionar los residuos de una forma diferente y mejor utilizando la visión por ordenador. TrashBestie utiliza el aprendizaje profundo y la tecnología avanzada para ayudar a las personas a tomar medidas para que el planeta sea más limpio y sostenible.

El equipo de TrashBestie imagina un futuro en el que los residuos dejen de ser una molestia para convertirse en una oportunidad de 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 capacita a las personas para tomar decisiones informadas sobre la gestión de residuos sin esfuerzo. El objetivo es claro: inspirar un movimiento colectivo hacia la gestión responsable de los residuos y fomentar un planeta más limpio para las generaciones venideras.

Conoce al equipo de TrashBestie

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

• Helge Rölleke: Con experiencia en ventas del sector sanitario, Helge pasó a la ciencia de datos y llevó a cabo una investigación pionera sobre el rendimiento de las empresas y la remuneración de los ejecutivos. También es un entusiasta de las setas y está abierto a nuevas oportunidades de la ciencia de datos.
  ‍
• Mi: Un Científico de Datos y Desarrollador Frontend que combina habilidades para abordar desafíos complejos y crear aplicaciones web fáciles de usar.
  ‍
• Simantini Shinde: científica de datos junior con experiencia en análisis de datos, aprendizaje automático y mucho 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 empezó a estudiar el aprendizaje automático durante su tesis de máster, en la que examinaba la relación entre la retribución de un directivo y 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 en el Bootcamp de Spiced Academy. Allí experimentó con el aprendizaje profundo y determinó la utilidad de los modelos YOLO de Ultralytics.

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

Simantini empezó a explorar el aprendizaje automático durante su tesis de máster. Descubrió su potencial en su campo de trabajo, que consiste en evaluar los daños causados en los edificios por los terremotos. Tras su graduación, Simanti tuvo diferentes trabajos relacionados con los datos. Estos trabajos la llevaron finalmente a un programa de formación en ciencia de datos y despertaron su interés por el aprendizaje automático y la inteligencia artificial.

Elegir Ultralytics YOLO para TrashBestie

El uso de Ultralytics YOLOv8 como herramienta principal por parte de TrashBestie es estratégico.

• Facilidad de uso: YOLOv8 es de código abierto y fácil de usar, por lo que resultó muy accesible para el equipo.
  ‍
• Precisión: YOLOv8 proporcionó una mayor precisión, especialmente en las puntuaciones de precisión.
  ‍
• Flexibilidad: El equipo pudo integrar YOLOv8 a la perfección con Roboflow, mejorando su flujo de trabajo.
  

¿Cómo funciona TrashBestie?

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

1. Detecta con tu cámara. Utilice la cámara de su dispositivo para capturar una imagen del residuo del que no está seguro de cómo deshacerse.
   ‍
2. Reconocimiento instantáneo. Gracias a la tecnología de reconocimiento de imágenes de YOLOv8, la aplicación puede analizar rápidamente imágenes e identificar diferentes tipos de residuos.
   ‍
3. Ideas educativas. TrashBestie no se limita a las recomendaciones. Esta herramienta proporciona información educativa a los usuarios para que comprendan 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, por lo que la clasificación de residuos responsable con el medio ambiente está al alcance de cualquiera que utilice un dispositivo Android.

Pruébalo

Edificio 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 sólido conjunto de datos para el entrenamiento.
   ‍
2. Exportar el conjunto de datos. Después de exportar el conjunto de datos etiquetados, el conjunto de datos de detección de objetos está listo para el entrenamiento.
   ‍
3. Entrenamiento con 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 de Streamlit. El modelo YOLOv8 está integrado en la aplicación Streamlit, lo que garantiza 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 añadiendo 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 en 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 de 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

Mi: LinkedIn