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 la visión artificial. TrashBestie utiliza el deep learning y la tecnología avanzada para ayudar a las personas a tomar medidas para que el planeta sea más limpio y sostenible.

El equipo detrás de TrashBestie prevé un futuro en el que los residuos ya no sean una molestia, sino una oportunidad para un cambio positivo. La clasificación de los residuos es importante para proteger el medio ambiente, ahorrar recursos y reducir la contaminación. Teniendo esto en cuenta, 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 la 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 innovadora tecnología detrás de TrashBestie, conozcamos a sus creadores:

• Helge Rölleke: Con experiencia en ventas de atención médica, Helge hizo la transición a la ciencia de datos y llevó a cabo una investigación innovadora 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 en la ciencia de datos.
  ‍
• My: Científico de datos y desarrollador de frontend que combina habilidades para abordar desafíos complejos y crear aplicaciones web fáciles de usar.
  ‍
• Simantini Shinde: Una 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 busca un estilo de vida equilibrado y sostenible.
  

El camino hacia el aprendizaje automático y la visión artificial

Helge comenzó a estudiar aprendizaje automático durante su tesis de máster, examinando cómo el salario de un gerente se relaciona 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 visión artificial en el Bootcamp de Spiced Academy. Aquí, 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 en el aprendizaje automático. La forma en que los datos podían revelar conocimientos y optimizar procesos la fascinaba. 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 campo de trabajo, que consiste en evaluar los daños causados por terremotos en los edificios. Tras su graduación, Simanti 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 visión artificial.

Elegir Ultralytics YOLO para TrashBestie

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

• Fácil de usar: Debido a que YOLOv8 es de código abierto y fácil de usar, era muy accesible para el equipo.
  ‍
• Precisión: YOLOv8 proporcionó una mejor precisión, especialmente en las puntuaciones de precisión.
  ‍
• Flexibilidad: El equipo pudo integrar YOLOv8 perfectamente 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 sencillos pasos:

1. Detecta con tu cámara. Utiliza la cámara de tu dispositivo para capturar una imagen del residuo del que no estás seguro de cómo desecharlo.
   ‍
2. Reconocimiento instantáneo. Gracias a la tecnología de reconocimiento de imágenes de YOLOv8, la aplicación puede analizar rápidamente las imágenes e identificar diferentes tipos de residuos.
   ‍
3. Información educativa. TrashBestie no se detiene en 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, lo que hace que la clasificación de residuos ambientalmente responsable sea alcanzable para cualquier persona que utilice un dispositivo Android.

Pruébalo

Construyendo TrashBestie

El proceso 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 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. Implementación de Streamlit. El modelo YOLOv8 se integra en la aplicación Streamlit, lo que garantiza una detección de objetos eficiente y precisa. Esta aplicación está alojada en GitHub utilizando YOLOv8 y Streamlit para la detección y el seguimiento de objetos.
   

El futuro de TrashBestie

TrashBestie continúa mejorando al añadir localización, haciéndola más accesible en iOS y Android, y refinando las técnicas de procesamiento de imágenes. El equipo está 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 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 incluso podría revolucionar la concepción de las carreras en 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