Un avenir plus vert grâce à l'IA visuelle et à Ultralytics YOLO

TrashBestie est une nouvelle application qui nous aide à trier et à gérer les déchets autrement et de manière plus efficace grâce à la vision par ordinateur. TrashBestie s’appuie sur l’apprentissage profond et des technologies avancées pour aider chacun à agir afin de rendre la planète plus propre et plus durable.

L’équipe derrière TrashBestie imagine un avenir où les déchets ne sont plus une nuisance, mais une occasion de susciter un changement positif. Trier les déchets est essentiel pour protéger l’environnement, économiser les ressources et réduire la pollution. C’est dans cette optique que TrashBestie est devenue une solution numérique qui aide chacun à prendre facilement des décisions éclairées en matière de gestion des déchets. L’objectif est clair : inspirer un mouvement collectif en faveur d’une gestion responsable des déchets et favoriser une planète plus propre pour les générations à venir.

À la rencontre de l’équipe derrière TrashBestie#

Avant d’examiner la technologie derrière TrashBestie, faisons connaissance avec ses créateurs :

• Helge Rölleke : fort d’une expérience dans la vente de services de santé, Helge s’est tourné vers la science des données et a mené des recherches sur les performances des entreprises et la rémunération des dirigeants. Il est également passionné de champignons et ouvert à de nouvelles possibilités dans le domaine de la science des données.
• My : Scientifique des données et développeuse frontend, elle associe ses compétences pour relever des défis complexes et créer des applications Web faciles à utiliser.
• Simantini Shinde : Jeune scientifique des données, elle possède une expertise en analyse de données, en apprentissage automatique et dans d’autres domaines. Simantini défend ardemment le développement open source, explore constamment de nouvelles technologies et aspire à un mode de vie équilibré et durable.

Le parcours vers l’apprentissage automatique et l’IA de vision#

Helge a commencé à étudier l’apprentissage automatique dans le cadre de son mémoire de master, qui portait sur le lien entre la rémunération d’un dirigeant et la réussite d’une entreprise. Il a utilisé des modèles de régression et des techniques d’apprentissage automatique. Helge a pu approfondir ses connaissances en IA de vision lors du bootcamp de Spiced Academy. Il y a expérimenté l’apprentissage profond et évalué l’utilité des modèles Ultralytics YOLO.

My avait une amie qui partageait ses projets de science des données, ce qui a éveillé son intérêt pour l’apprentissage automatique. Elle était fascinée par la façon dont les données pouvaient révéler des informations et optimiser les processus. C’est pourquoi elle a rejoint le bootcamp, où elle a rencontré Simantini et Helge.

Simantini a commencé à explorer l’apprentissage automatique pendant son mémoire de master. Elle a découvert son potentiel dans son domaine de travail, qui consiste à évaluer les dégâts causés aux bâtiments par les séismes. Après avoir obtenu son diplôme, Simantini a occupé différents postes impliquant des données. Ces emplois l’ont finalement menée à un bootcamp de science des données et ont éveillé son intérêt pour l’apprentissage automatique et l’IA de vision.

Pourquoi choisir Ultralytics YOLO pour TrashBestie#

L’utilisation d’Ultralytics YOLOv8 comme outil principal par TrashBestie relève d’un choix stratégique.

• Facilité d’utilisation : Comme Ultralytics YOLOv8 est open source et facile à utiliser, l’équipe a pu y accéder très facilement.
• Précision : Ultralytics YOLOv8 a offert une meilleure précision, notamment au niveau des scores de précision.
• Flexibilité : l’équipe a pu intégrer Ultralytics YOLOv8 à Roboflow, améliorant ainsi son flux de travail.

Comment fonctionne TrashBestie ?#

TrashBestie sert d’assistant personnel au tri des déchets et utilise l’intelligence artificielle pour simplifier le processus en quatre étapes faciles :

1. Détecte avec ta caméra. Utilise la caméra de ton appareil pour prendre en photo le déchet dont tu ne sais pas comment te débarrasser.
2. Reconnaissance instantanée. Grâce à la détection d’objets d’Ultralytics YOLOv8, l’application peut analyser rapidement les images et identifier différents types de déchets.
3. Informations pédagogiques. TrashBestie ne se contente pas de donner des recommandations. Cet outil fournit aux utilisateurs des informations pédagogiques pour les aider à comprendre les méthodes de mise au rebut suggérées. Cela favorise à long terme l’apprentissage et l’adoption de pratiques de tri des déchets plus responsables.
4. Facile à utiliser et accessible. L’application est conviviale et accessible à tous, ce qui permet à toute personne utilisant un appareil Android de trier ses déchets de manière écoresponsable.

Essaie

Détection d’objets avec une webcam

Développement de TrashBestie#

Le développement de TrashBestie comprend plusieurs étapes cruciales :

1. Étiquetage et annotation. Les images sont soigneusement étiquetées et annotées à l’aide d’outils comme Roboflow afin de créer un jeu de données robuste pour l’entraînement.
2. Exportation du jeu de données. Après l’exportation du jeu de données étiqueté, le jeu de données de détection d’objets est prêt pour l’entraînement.
3. Entraînement avec Ultralytics YOLOv8. Le modèle YOLOv8 est entraîné sur le jeu de données exporté, en mettant l’accent sur l’ajustement fin de ses paramètres afin d’améliorer la précision de la détection d’objets.
4. Déploiement Streamlit. Le modèle Ultralytics YOLOv8 est intégré à l’application Streamlit, ce qui garantit une détection d’objets efficace et précise. Cette application est hébergée sur GitHub et utilise YOLOv8 et Streamlit pour la détection et le suivi d’objets.

L’avenir de TrashBestie#

TrashBestie continue de s’améliorer en ajoutant la localisation, en devenant plus accessible sur iOS et Android et en perfectionnant ses techniques de traitement d’images. L’équipe s’engage à améliorer continuellement les performances et la précision de l’application.

Découvre leur projet sur Devpost, qui comprend une galerie d’images et une vidéo YouTube présentant les détails de leur travail.

TrashBestie vise à faciliter la gestion des déchets et à contribuer à une planète plus propre et plus durable. C’est une première étape qui pourrait aussi changer la façon dont les gens envisagent les carrières dans la gestion des déchets. Suis leurs progrès vers un avenir plus vert !

Contacte l’équipe TrashBestie :#

Helge : LinkedIn, GitHub

Simantini : LinkedIn, GitHub, Medium

My : LinkedIn