Un futuro più verde grazie a Vision AI e Ultralytics YOLO

TrashBestie è una nuova app che ci aiuta a differenziare e gestire i rifiuti in modo diverso e migliore, utilizzando la computer vision. TrashBestie utilizza il deep learning e tecnologie avanzate per aiutare le persone ad agire per rendere il pianeta più pulito e sostenibile.

Il team di TrashBestie immagina un futuro in cui i rifiuti non siano più una seccatura, ma un'opportunità di cambiamento positivo. La differenziazione dei rifiuti è importante per proteggere l'ambiente, risparmiare risorse e ridurre l'inquinamento. Con questo in mente, TrashBestie è diventata la soluzione digitale che consente alle persone di prendere decisioni informate sulla gestione dei rifiuti senza sforzo. L'obiettivo è chiaro: ispirare un movimento collettivo verso una gestione responsabile dei rifiuti e promuovere un pianeta più pulito per le generazioni a venire.

Incontra il team di TrashBestie

Prima di approfondire la tecnologia innovativa alla base di TrashBestie, conosciamo i suoi creatori:

• Helge Rölleke: Con esperienza nelle vendite nel settore sanitario, Helge è passato alla data science e ha condotto ricerche innovative sulla performance aziendale e sulla retribuzione dei dirigenti. È anche un appassionato di funghi e aperto a nuove opportunità nella data science.
  ‍
• My: Data Scientist e Frontend Developer che combina le competenze per affrontare sfide complesse e creare applicazioni web di facile utilizzo.
  ‍
• Simantini Shinde: Junior Data Scientist con esperienza in analisi dei dati, machine learning e altro ancora. Simantini è una forte sostenitrice dello sviluppo open-source, esplora costantemente nuove tecnologie e persegue uno stile di vita equilibrato e sostenibile.
  

Il percorso verso il Machine Learning e la Vision AI

Helge ha iniziato a studiare l'apprendimento automatico durante la sua tesi di master, esaminando il rapporto tra la retribuzione di un manager e il successo di un'azienda. Questo ha comportato l'utilizzo di modelli di regressione e tecniche di apprendimento automatico. Helge ha potuto approfondire il mondo dell'IA visiva durante il Bootcamp di Spiced Academy. Qui ha sperimentato il deep learning e ha determinato l'utilità dei modelliYOLO di Ultralytics .

My aveva un amico che condivideva i suoi progetti di data science, il che ha suscitato il suo interesse per il machine learning. Il modo in cui i dati potevano scoprire intuizioni e ottimizzare i processi la affascinava. Ecco perché si è iscritta al Bootcamp, dove ha incontrato Simantini e Helge.

Simantini ha iniziato a esplorare il machine learning durante la sua tesi di master. Ha scoperto il suo potenziale nel suo campo di lavoro, che prevede la valutazione dei danni agli edifici causati dai terremoti. Dopo la laurea, Simanti ha svolto diversi lavori che coinvolgevano i dati. Questi lavori l'hanno infine portata a un bootcamp di data science e hanno suscitato il suo interesse per il ML e la vision AI.

Scelta di Ultralytics YOLO per TrashBestie

L'uso di TrashBestie di Ultralytics YOLOv8 come strumento principale è strategico.

• Facilità d'uso: poiché YOLOv8 è open-sourced e facile da usare, è stato molto accessibile per il team.
  ‍
• Precisione: YOLOv8 ha fornito una migliore precisione, soprattutto nei punteggi di precisione.
  ‍
• Flessibilità: Il team ha potuto integrare YOLOv8 senza problemi con Roboflow, migliorando il flusso di lavoro.
  

Come funziona TrashBestie?

TrashBestie funziona come un assistente personale per la differenziazione dei rifiuti, utilizzando l'intelligenza artificiale per semplificare il processo in quattro semplici passaggi:

1. Rileva con la tua fotocamera. Usa la fotocamera del tuo dispositivo per catturare un'immagine del rifiuto di cui non sei sicuro di come smaltire.
   ‍
2. Riconoscimento istantaneo. Grazie alla tecnologia di riconoscimento delle immagini di YOLOv8, l'app è in grado di analizzare rapidamente le immagini e di identificare diversi tipi di rifiuti.
   ‍
3. Approfondimenti educativi. TrashBestie non si ferma ai consigli. Questo strumento fornisce agli utenti approfondimenti educativi per comprendere i metodi di smaltimento dei rifiuti suggeriti. A sua volta, questo promuove l'apprendimento a lungo termine e abitudini consapevoli di smaltimento dei rifiuti.
   ‍
4. Facile da usare e accessibile. L'applicazione è facile da usare e accessibile a tutti, rendendo la raccolta differenziata ecologicamente responsabile alla portata di chiunque utilizzi un dispositivo Android .

Provalo

Creazione di TrashBestie

Il percorso di sviluppo di TrashBestie prevede una serie di passaggi cruciali:

1. Etichettatura e annotazione. Le immagini vengono accuratamente etichettate e annotate utilizzando strumenti come Roboflow per creare un solido set di dati per l'addestramento.
   ‍
2. Esportazione del set di dati. Dopo aver esportato il set di dati etichettato, il set di dati di object detection è pronto per l'addestramento.
   ‍
3. Formazione con YOLOv8. Il modello YOLOv8 viene addestrato sul set di dati esportato, concentrandosi sulla messa a punto dei suoi parametri per migliorare l'accuratezza del rilevamento degli oggetti.
   ‍
4. Implementazione di Streamlit. Il modello YOLOv8 è integrato nell'applicazione Streamlit, garantendo un rilevamento efficiente e accurato degli oggetti. Questa applicazione è ospitata su GitHub e utilizza YOLOv8 e Streamlit per il rilevamento e il tracciamento degli oggetti.
   

Il futuro di TrashBestie

TrashBestie continua a migliorare aggiungendo la localizzazione, rendendola più accessibile su iOS e Android e affinando le tecniche di elaborazione delle immagini. Il team si impegna a migliorare continuamente le prestazioni e la precisione dell'app.

Dai un'occhiata al loro progetto su Devpost, che include una galleria di immagini e un video su YouTube che mostra i dettagli del loro lavoro.

TrashBestie ha la missione di rivoluzionare la gestione dei rifiuti e rendere il nostro pianeta più pulito e sostenibile. Questo è un primo passo verso il futuro, che potrebbe persino rivoluzionare la concezione delle carriere nella gestione dei rifiuti. Unisciti a loro in questo entusiasmante viaggio verso un futuro più verde!

Mettiti in contatto con il team di TrashBestie:

Helge: LinkedIn, GitHub

Simantini: LinkedIn, GitHub, Medium

My: LinkedIn