Um futuro mais sustentável com IA para visão computacional e Ultralytics YOLO

A TrashBestie é uma nova aplicação que nos ajuda a separar e gerir resíduos de uma forma diferente e melhor, utilizando visão computacional. A TrashBestie utiliza aprendizagem profunda e tecnologia avançada para ajudar as pessoas a agir e tornar o planeta mais limpo e sustentável.

A equipe por trás do TrashBestie imagina um futuro em que os resíduos deixem de ser um incômodo e se tornem uma oportunidade de promover mudanças positivas. Separar os resíduos é importante para proteger o meio ambiente, economizar recursos e reduzir a poluição. Com isso em mente, o TrashBestie se tornou uma solução digital que ajuda as pessoas a tomar decisões informadas sobre o gerenciamento de resíduos com facilidade. O objetivo é claro: inspirar um movimento coletivo em direção ao gerenciamento responsável de resíduos e promover um planeta mais limpo para as próximas gerações.

Conhece a equipa por detrás da TrashBestie#

Antes de conhecer a tecnologia por trás do TrashBestie, vamos conhecer seus criadores:

• Helge Rölleke: com experiência em vendas na área da saúde, Helge migrou para a ciência de dados e conduziu pesquisas sobre o desempenho de empresas e a remuneração de executivos. Ele também é apaixonado por cogumelos e está aberto a novas oportunidades em ciência de dados.
• My: Cientista de dados e programadora de frontend que combina competências para enfrentar desafios complexos e criar aplicações Web fáceis de utilizar.
• Simantini Shinde: Cientista de dados júnior com conhecimentos especializados em análise de dados, aprendizagem automática e muito mais. Simantini defende fortemente o desenvolvimento de código aberto, explora constantemente novas tecnologias e procura um estilo de vida equilibrado e sustentável.

O percurso até à aprendizagem automática e à IA de visão#

Helge começou a estudar aprendizagem automática durante a sua dissertação de mestrado, na qual analisou a relação entre a remuneração de um gestor e o sucesso de uma empresa. Para isso, utilizou modelos de regressão e técnicas de aprendizagem automática. Helge conseguiu aprofundar os seus conhecimentos de IA de visão no Bootcamp da Spiced Academy. Aí, experimentou a aprendizagem profunda e avaliou a utilidade dos modelos Ultralytics YOLO.

My tinha um amigo que partilhava os seus projetos de ciência de dados, o que despertou o interesse dela pela aprendizagem automática. Fascinava-a a forma como os dados podiam revelar informações e otimizar processos. Foi por isso que se inscreveu no Bootcamp, onde conheceu Simantini e Helge.

Simantini começou a explorar a aprendizagem automática durante a sua dissertação de mestrado. Descobriu o seu potencial na sua área de trabalho, que envolve a avaliação de danos em edifícios causados por sismos. Depois de se formar, Simantini teve diferentes empregos relacionados com dados. Esses empregos acabaram por levá-la a um bootcamp de ciência de dados e despertaram o seu interesse pela aprendizagem automática e pela IA de visão.

Escolher o Ultralytics YOLO para a TrashBestie#

A utilização do Ultralytics YOLOv8 como ferramenta principal pela TrashBestie é uma escolha estratégica.

• Fácil de utilizar: Por ser de código aberto e fácil de utilizar, o Ultralytics YOLOv8 foi muito acessível à equipa.
• Precisão: O Ultralytics YOLOv8 ofereceu maior precisão, especialmente nas pontuações de precisão.
• Flexibilidade: a equipe pôde integrar Ultralytics YOLOv8 com Roboflow, aprimorando seu fluxo de trabalho.

Como funciona a TrashBestie?#

O TrashBestie funciona como um assistente pessoal para separar resíduos, usando inteligência artificial para simplificar o processo em quatro etapas simples:

1. Deteta com a tua câmara. Usa a câmara do teu dispositivo para capturar uma imagem do resíduo cuja forma de descarte não tens a certeza.
2. Reconhecimento instantâneo. Com a detecção de objetos do Ultralytics YOLOv8, o aplicativo pode analisar imagens rapidamente e identificar diferentes tipos de resíduos.
3. Informações educativas. O TrashBestie não se limita a fazer recomendações. Esta ferramenta fornece informações educativas para ajudar os utilizadores a compreender os métodos de descarte de resíduos sugeridos. Isso, por sua vez, promove a aprendizagem a longo prazo e hábitos conscientes de descarte de resíduos.
4. Fácil de usar e acessível. A aplicação é intuitiva e acessível a todos, tornando a separação de resíduos de forma ambientalmente responsável uma possibilidade para qualquer pessoa que use um dispositivo Android.

Experimenta

Deteção de objetos com webcam

Desenvolvimento do TrashBestie#

O desenvolvimento do TrashBestie envolve uma série de etapas cruciais:

1. Rotulagem e anotação. As imagens são cuidadosamente rotuladas e anotadas com ferramentas como o Roboflow, para criar um conjunto de dados robusto para o treino.
2. Exportação do conjunto de dados. Após a exportação do conjunto de dados rotulado, o conjunto de dados de deteção de objetos está pronto para o treino.
3. Treino com Ultralytics YOLOv8. O modelo YOLOv8 é treinado com o conjunto de dados exportado, com foco no ajuste fino dos parâmetros para melhorar a precisão da deteção de objetos.
4. Implantação com Streamlit. O modelo Ultralytics YOLOv8 está integrado ao aplicativo Streamlit, garantindo uma detecção de objetos eficiente e precisa. O aplicativo está hospedado no GitHub e usa YOLOv8 e Streamlit para detecção e rastreamento de objetos.

O futuro do TrashBestie#

O TrashBestie continua a melhorar com a adição de localização, que o torna mais acessível em iOS e Android, e com o aperfeiçoamento das técnicas de processamento de imagens. A equipa está empenhada em melhorar continuamente o desempenho e a precisão da aplicação.

Consulta o projeto no Devpost, que inclui uma galeria de imagens e um vídeo do YouTube que apresenta os detalhes do trabalho.

O TrashBestie tem como objetivo facilitar o gerenciamento de resíduos e ajudar a manter o planeta mais limpo e sustentável. Esse é um primeiro passo que também pode mudar a maneira como as pessoas pensam sobre carreiras na área de gerenciamento de resíduos. Acompanhe o progresso deles rumo a um futuro mais verde!

Entra em contacto com a equipa do TrashBestie:#

Helge: LinkedIn, GitHub

Simantini: LinkedIn, GitHub, Medium

My: LinkedIn