Un futuro más verde gracias a la IA visual y Ultralytics YOLO

TrashBestie es una nueva aplicación que nos ayuda a clasificar y gestionar residuos de una forma distinta 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 de TrashBestie imagina un futuro en el que los residuos dejen de ser una molestia y se conviertan en una oportunidad para impulsar un cambio positivo. Separar los residuos es importante para proteger el medio ambiente, ahorrar recursos y reducir la contaminación. Con esto en mente, TrashBestie se convirtió en una solución digital que permite a las personas tomar decisiones fundamentadas sobre la gestión de residuos de forma sencilla. 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 de TrashBestie#

Antes de analizar la tecnología que hay 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 e investigó el rendimiento empresarial y la remuneración de los directivos. También le apasionan 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 júnior especializada en análisis de datos, aprendizaje automático y otros campos. 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 visual#

Helge empezó a estudiar aprendizaje automático durante su tesis de máster, en la que examinó la relación entre la remuneración 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 visual en el bootcamp de Spiced Academy. Allí experimentó con el 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. Le fascinaba cómo 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 ámbito laboral, que consiste en evaluar los daños que causan los terremotos en los edificios. Tras graduarse, Simantini tuvo distintos trabajos relacionados con los datos. Estos trabajos acabaron llevándola a un bootcamp de ciencia de datos y despertaron su interés por el aprendizaje automático y la IA visual.

La elección de Ultralytics YOLO para TrashBestie#

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

• Facilidad de uso: Como Ultralytics YOLOv8 es de código abierto y fácil de usar, resultó muy accesible para el equipo.
• Precisión: Ultralytics YOLOv8 ofreció una mayor precisión, especialmente en las puntuaciones de precisión.
• Flexibilidad: el equipo pudo integrar Ultralytics YOLOv8 con Roboflow, lo que mejoró su flujo de trabajo.

¿Cómo funciona TrashBestie?#

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

1. Detecta con la cámara. Usa la cámara de tu dispositivo para hacer una foto del residuo que no sepas cómo desechar.
2. Reconocimiento instantáneo. Mediante la detección de objetos de Ultralytics YOLOv8, la aplicación puede analizar imágenes rápidamente e identificar distintos tipos de residuos.
3. Información educativa. TrashBestie no se limita a ofrecer recomendaciones. Esta herramienta proporciona información educativa para que los usuarios entiendan los métodos de eliminación de residuos sugeridos. A su vez, esto fomenta el aprendizaje a largo plazo y unos hábitos conscientes de gestión de residuos.
4. Fácil de usar y accesible. La aplicación es intuitiva y accesible para todo el mundo, lo que permite que cualquier persona que utilice un dispositivo Android pueda separar 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 varios pasos fundamentales:

1. Etiquetado y anotación. Las imágenes se etiquetan y anotan cuidadosamente con herramientas como Roboflow para crear un conjunto de datos sólido con el que entrenar el modelo.
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. Implementación con Streamlit. El modelo Ultralytics 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 detectar y seguir 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 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 con los detalles de su trabajo.

TrashBestie aspira a facilitar la gestión de residuos y a contribuir a que el planeta sea más limpio y sostenible. Es un primer paso que también podría cambiar la forma en que la gente concibe las carreras profesionales relacionadas con la gestión de residuos. ¡Sigue su progreso hacia un futuro más sostenible!

Ponte en contacto con el equipo de TrashBestie:#

Helge: LinkedIn, GitHub

Simantini: LinkedIn, GitHub, Medium

My: LinkedIn