X
Ultralytics YOLOv8.2 LibérationUltralytics YOLOv8.2 LibérationUltralytics YOLOv8.2 Flèche de déverrouillage
Contrôle vert
Lien copié dans le presse-papiers

Un avenir plus vert grâce à Vision AI et Ultralytics YOLO

Découvre TrashBestie, une appli innovante qui utilise Ultralytics YOLOv8 pour un tri des déchets plus intelligent grâce à l'IA. Rejoins le mouvement écologique avec une solution numérique.

‍TrashBestie est une nouvelle appli qui nous aide à trier et à gérer les déchets d'une manière différente et meilleure en utilisant la vision par ordinateur. TrashBestie utilise l'apprentissage profond et une technologie avancée pour aider les gens à agir pour rendre la planète plus propre et plus durable.

L'équipe à l'origine de TrashBestie envisage un avenir où les déchets ne sont plus une nuisance mais une opportunité de changement positif. Le tri des déchets est important pour protéger l'environnement, économiser les ressources et réduire la pollution. C'est dans cette optique que TrashBestie est devenue la solution numérique qui permet aux individus de prendre des décisions éclairées en matière de gestion des déchets, sans effort. L'objectif est clair : inspirer un mouvement collectif vers une gestion responsable des déchets et favoriser une planète plus propre pour les générations à venir.

Rencontre l'équipe derrière TrashBestie

Avant de nous plonger dans la technologie innovante qui se cache derrière TrashBestie, faisons connaissance avec ses créateurs :

  • Helge Rölleke: Expérimenté dans la vente de produits de santé, Helge s'est reconverti dans la science des données et a mené des recherches révolutionnaires sur les performances des entreprises et la rémunération des cadres. C'est aussi un passionné de champignons et il est ouvert à de nouvelles opportunités dans le domaine de la science des données.
  • Mon: Un scientifique des données et un développeur Frontend qui associe ses compétences pour relever des défis complexes et créer des applications web conviviales.
  • Simantini Shinde: Un scientifique de données junior avec une expertise dans l'analyse de données, l'apprentissage automatique, et plus encore. Simantini est un fervent défenseur du développement open-source qui explore constamment de nouvelles technologies et poursuit un mode de vie équilibré et durable.

Le voyage vers l'apprentissage automatique et l'IA visionnaire

Helge a commencé à étudier l'apprentissage automatique pendant son mémoire de maîtrise, en examinant le lien entre la rémunération d'un manager et la réussite d'une entreprise. Pour ce faire, il a utilisé des modèles de régression et des techniques d'apprentissage automatique. Helge a pu plonger plus profondément dans le monde de l'IA visionnaire lors du Bootcamp de la Spiced Academy. Il y a expérimenté l'apprentissage profond et déterminé l'utilité des modèles Ultralytics YOLO .

My avait un ami qui partageait ses projets de science des données, ce qui a éveillé son intérêt pour l'apprentissage automatique. La façon dont les données pouvaient découvrir des idées et optimiser les processus la fascinait. 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 maîtrise. Elle a découvert son potentiel dans son domaine de travail, qui consiste à évaluer les dommages causés aux bâtiments par les tremblements de terre. Après l'obtention de son diplôme, Simanti a occupé différents emplois impliquant des données. Ces emplois l'ont finalement conduite à un bootcamp de science des données et ont piqué son intérêt pour la ML et l'IA de vision.

Choisir Ultralytics YOLO pour TrashBestie

L'utilisation par TrashBestie de Ultralytics YOLOv8 comme outil principal est stratégique.

  • Convivialité : Comme YOLOv8 est un logiciel libre et facile à utiliser, il était très accessible à l'équipe.
  • Précision : YOLOv8 a fourni une meilleure précision, en particulier dans les scores de précision.
  • Flexibilité : L'équipe a pu intégrer YOLOv8 de façon transparente à Roboflow, ce qui a amélioré son flux de travail.

Comment fonctionne TrashBestie ?

TrashBestie fonctionne comme un assistant personnel de tri des déchets, utilisant l'intelligence artificielle pour simplifier le processus en quatre étapes directes :

  1. Détecter avec ton appareil photo. Utilise l'appareil photo de ton appareil pour capturer une image du déchet dont tu ne sais pas comment te débarrasser.
  2. Reconnaissance instantanée. Grâce à la technologie de reconnaissance d'images de YOLOv8, l'application peut rapidement analyser les images et identifier les différents types de déchets.
  3. Perspectives éducatives. TrashBestie ne s'arrête pas aux recommandations. Cet outil fournit des informations éducatives aux utilisateurs afin qu'ils comprennent les méthodes d'élimination des déchets suggérées. En retour, cela favorise l'apprentissage à long terme et les habitudes conscientes en matière d'élimination des déchets.
  4. Facile à utiliser et accessible. L'appli est conviviale et accessible à tous, rendant le tri des déchets respectueux de l'environnement réalisable par toute personne utilisant un appareil Android .

Essaie-le


TrashBestie utilise YOLOv8 pour détecter les déchets
Détection d'objets par webcam


Construction TrashBestie

Le parcours de développement de TrashBestie comprend une série d'étapes cruciales :

  1. Étiquetage et annotation. Les images sont soigneusement étiquetées et annotées à l'aide d'outils tels que Roboflow afin de créer un solide ensemble de données pour la formation.
  2. Exportation de l'ensemble de données. Après avoir exporté l'ensemble de données étiquetées, l'ensemble de données de détection d'objets est prêt pour l'entraînement.
  3. Entraînement avec YOLOv8. Le modèle YOLOv8 est entraîné sur l'ensemble des données exportées, en se concentrant sur l'ajustement de ses paramètres pour améliorer la précision de la détection des objets.
  4. Déploiement de Streamlit. Le modèle YOLOv8 est intégré à l'application Streamlit, ce qui garantit une détection efficace et précise des objets. Cette application est hébergée sur GitHub et utilise YOLOv8 et Streamlit pour la détection et le suivi des objets.

L'avenir de TrashBestie

TrashBestie continue de s'améliorer en ajoutant la localisation, en la rendant plus accessible sur iOS et Android, et en affinant les techniques de traitement des images. L'équipe s'engage à améliorer continuellement les performances et la précision de l'appli.

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

TrashBestie s'est donné pour mission de révolutionner la gestion des déchets et de rendre notre planète plus propre et plus durable. C'est un premier pas vers l'avenir, qui pourrait même révolutionner la conception des métiers de la gestion des déchets. Rejoins-les dans ce voyage passionnant vers un avenir plus vert !

Prends contact avec l'équipe de TrashBestie :

Helge : LinkedIn, GitHub

Simantini : LinkedIn, GitHub, Medium

Mon : LinkedIn

Logo FacebookLogo de TwitterLogo LinkedInSymbole du lien de copie

Lire la suite dans cette catégorie

Construisons ensemble le futur
de l'IA !

Commence ton voyage avec le futur de l'apprentissage automatique.