비전 AI와 Ultralytics YOLO로 만드는 더 푸른 미래

TrashBestie는 컴퓨터 비전을 활용해 폐기물을 색다르고 효율적인 방식으로 분류하고 관리하도록 돕는 새로운 앱입니다. TrashBestie는 딥러닝과 첨단 기술을 활용해 사람들이 더 깨끗하고 지속 가능한 지구를 만들기 위해 행동하도록 지원합니다.

TrashBestie 팀은 폐기물이 더 이상 골칫거리가 아니라 긍정적인 변화를 위한 기회가 되는 미래를 그리고 있습니다. 폐기물 분류는 환경 보호, 자원 절약, 오염 감소에 중요합니다. 이를 염두에 두고 TrashBestie는 개인이 폐기물 관리에 관한 정보에 입각한 의사 결정을 쉽게 내릴 수 있도록 지원하는 디지털 솔루션으로 탄생했습니다. 목표는 분명합니다. 책임 있는 폐기물 관리를 위한 공동의 움직임을 장려하고 다음 세대를 위해 더 깨끗한 지구를 만드는 것입니다.

TrashBestie 팀을 소개합니다#

TrashBestie를 뒷받침하는 기술을 살펴보기 전에 개발자를 만나 보겠습니다:

• Helge Rölleke: 의료 영업 분야에서 경험을 쌓은 Helge는 데이터 과학 분야로 전향해 기업 성과 및 임원 보상에 관한 연구를 수행했습니다. 버섯 애호가이기도 하며 새로운 데이터 과학 기회를 찾고 있습니다.
• My: 복잡한 과제를 해결하고 사용자 친화적인 웹 애플리케이션을 만들기 위해 여러 역량을 결합하는 데이터 과학자이자 프런트엔드 개발자입니다.
• Simantini Shinde: 데이터 분석, 머신러닝 등의 전문성을 갖춘 주니어 데이터 과학자입니다. Simantini는 오픈 소스 개발을 적극적으로 지지하며, 새로운 기술을 끊임없이 탐구하고 균형 잡힌 지속 가능한 생활 방식을 추구합니다.

머신러닝과 비전 AI를 향한 여정#

Helge는 석사 논문을 준비하면서 머신러닝을 공부하기 시작했고, 관리자의 보수와 기업의 성공 사이의 관계를 조사했습니다. 이 과정에는 회귀 모델과 머신러닝 기법이 활용되었습니다. Helge는 Spiced Academy 부트캠프에서 비전 AI 분야를 더 깊이 탐구할 수 있었습니다. 이곳에서 딥러닝을 실험하고 Ultralytics YOLO 모델의 유용성을 확인했습니다.

My는 데이터 과학 프로젝트를 공유해 준 친구를 통해 머신러닝에 관심을 갖게 되었습니다. 데이터가 인사이트를 발굴하고 프로세스를 최적화하는 방식에 매료되었습니다. 그래서 부트캠프에 참여했고, 그곳에서 Simantini와 Helge를 만났습니다.

Simantini는 석사 논문을 준비하면서 머신러닝을 탐구하기 시작했습니다. 지진으로 인한 건물 피해를 평가하는 자신의 업무 분야에서 머신러닝의 잠재력을 발견했습니다. 졸업 후 Simantini는 데이터와 관련된 여러 직업을 거쳤습니다. 이러한 경험을 바탕으로 데이터 과학 부트캠프에 참여했고 ML과 비전 AI에 관심을 갖게 되었습니다.

TrashBestie에서 Ultralytics YOLO를 선택한 이유#

TrashBestie가 Ultralytics YOLOv8을 주요 도구로 활용한 것은 전략적인 선택입니다.

• 사용 편의성: Ultralytics YOLOv8은 오픈 소스이고 사용하기 쉬워 팀이 쉽게 활용할 수 있었습니다.
• 정확도: Ultralytics YOLOv8은 특히 정밀도 점수에서 더 높은 정확도를 제공했습니다.
• 유연성: 팀은 Ultralytics YOLOv8을 Roboflow와 통합해 워크플로를 개선할 수 있었습니다.

TrashBestie는 어떻게 작동하나요?#

TrashBestie는 인공지능을 활용하는 개인용 폐기물 분류 도우미로, 분류 과정을 간단한 네 단계로 안내합니다:

1. 카메라로 감지합니다. 기기의 카메라로 올바른 폐기 방법을 잘 모르겠는 폐기물의 이미지를 촬영합니다.
2. 즉각적인 인식. Ultralytics YOLOv8 객체 탐지를 사용하면 앱이 이미지를 빠르게 분석하고 다양한 유형의 폐기물을 식별할 수 있습니다.
3. 교육적 인사이트. TrashBestie는 권장 사항을 제공하는 데 그치지 않습니다. 이 도구는 사용자가 권장된 폐기 방법을 이해할 수 있도록 교육적 인사이트를 제공합니다. 이를 통해 장기적인 학습과 책임감 있는 폐기 습관을 장려합니다.
4. 간편하고 접근성이 뛰어납니다. 이 앱은 사용자 친화적이고 누구나 이용할 수 있어, Android 기기를 사용하는 사람이라면 누구나 환경을 고려한 폐기물 분류를 실천할 수 있습니다.

사용해 보기

웹캠 객체 감지

TrashBestie 개발하기#

TrashBestie의 개발 과정에는 다음과 같은 주요 단계가 포함됩니다:

1. 라벨링 및 어노테이션. Roboflow와 같은 도구를 사용해 이미지를 신중하게 라벨링하고 어노테이션하여 학습용 강력한 데이터셋을 만듭니다.
2. 데이터셋 내보내기. 라벨링된 데이터셋을 내보내면 객체 감지 데이터셋을 학습에 사용할 수 있습니다.
3. Ultralytics YOLOv8으로 학습하기. 내보낸 데이터셋으로 YOLOv8 모델을 학습하고, 객체 감지 정확도를 높이기 위해 파라미터를 미세 조정하는 데 중점을 둡니다.
4. Streamlit 배포. Ultralytics YOLOv8 모델은 Streamlit 애플리케이션에 통합되어 효율적이고 정확한 객체 탐지를 지원합니다. 이 앱은 객체 탐지 및 추적을 위해 YOLOv8과 Streamlit을 사용하며 GitHub에서 호스팅됩니다.

TrashBestie의 미래#

TrashBestie는 현지화 기능을 추가하고, iOS 및 Android에서의 접근성을 높이며, 이미지 처리 기법을 개선하는 등 지속적으로 발전하고 있습니다. 팀은 앱의 성능과 정밀도를 꾸준히 향상하기 위해 노력하고 있습니다.

이미지 갤러리와 작업의 세부 사항을 소개하는 YouTube 동영상이 포함된 프로젝트를 Devpost에서 확인해 보세요.

TrashBestie는 폐기물 관리를 더 쉽게 하고 지구를 더 깨끗하고 지속 가능하게 만드는 것을 목표로 합니다. 이는 폐기물 관리 분야의 진로에 대한 사람들의 생각도 바꿀 수 있는 첫걸음입니다. 더 푸른 미래를 향한 TrashBestie의 여정을 지켜봐 주세요!

TrashBestie 팀에 문의하세요:#

Helge: LinkedIn, GitHub

Simantini: LinkedIn, GitHub, Medium

My: LinkedIn