Um futuro mais verde através da visão, da IA e da Ultralytics YOLO

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

A equipa por detrás da TrashBestie prevê um futuro em que os resíduos deixem de ser um incómodo e passem a ser uma oportunidade para uma mudança positiva. A separação dos resíduos é importante para proteger o ambiente, poupar recursos e reduzir a poluição. Com isto em mente, a TrashBestie tornou-se a solução digital que permite aos indivíduos tomar decisões informadas sobre a gestão de resíduos sem esforço. O objetivo é claro: inspirar um movimento coletivo para uma gestão responsável dos resíduos e promover um planeta mais limpo para as gerações vindouras.

Conhece a equipa por detrás da TrashBestie

Antes de nos debruçarmos sobre a tecnologia inovadora por detrás do TrashBestie, vamos conhecer os seus criadores:

• Helge Rölleke: Com experiência em vendas no sector da saúde, Helge fez a transição para a ciência dos dados e realizou uma investigação inovadora sobre o desempenho das empresas e a remuneração dos executivos. Também é um entusiasta de cogumelos e está aberto a novas oportunidades de ciência de dados.
• O meu perfil: Cientista de dados e programador de front-end que combina competências para enfrentar desafios complexos e criar aplicações Web de fácil utilização.
• Simantini Shinde: Cientista de dados júnior com experiência em análise de dados, aprendizagem automática e muito mais. Simantini é uma forte defensora do desenvolvimento de código aberto que explora constantemente novas tecnologias e procura um estilo de vida equilibrado e sustentável.
  

O caminho para a aprendizagem automática e a IA de visão

Helge começou a estudar a aprendizagem automática durante a sua tese de mestrado, analisando a relação entre a remuneração de um gestor e o sucesso de uma empresa. Isto envolveu a utilização de modelos de regressão e técnicas de aprendizagem automática. Helge teve a oportunidade de mergulhar mais profundamente no mundo da IA de visão no Bootcamp da Spiced Academy. Aqui, fez experiências com aprendizagem profunda e determinou a utilidade dos modelos Ultralytics YOLO .

Tinha um amigo que partilhava os seus projectos de ciência de dados, o que despertou o seu interesse pela aprendizagem automática. A forma como os dados podiam revelar informações e otimizar processos fascinou-a. Foi por isso que se juntou ao Bootcamp, onde conheceu a Simantini e o Helge.

Simantini começou a explorar a aprendizagem automática durante a sua tese de mestrado. Descobriu o seu potencial na sua área de trabalho, que envolve a avaliação de danos em edifícios causados por terramotos. Depois de se formar, Simanti teve vários empregos que envolviam dados. Esses empregos acabaram por levá-la a um bootcamp de ciência de dados e despertaram o seu interesse pelo ML e pela IA de visão.

Escolhe Ultralytics YOLO para a TrashBestie

A utilização do TrashBestie do Ultralytics YOLOv8 como ferramenta principal é estratégico.

• Fácil de utilizar: Como o YOLOv8 é de código aberto e fácil de utilizar, era muito acessível para a equipa.
• Exatidão: YOLOv8 proporcionou uma melhor exatidão, especialmente nas pontuações de precisão.
• Flexibilidade: A equipa podia integrar YOLOv8 sem problemas com Roboflow, melhorando o seu fluxo de trabalho.
  

Como é que o TrashBestie funciona?

O TrashBestie funciona como um assistente pessoal de seleção de resíduos, utilizando a inteligência artificial para simplificar o processo em quatro passos simples:

1. Detecta com a tua câmara. Utiliza a câmara do teu dispositivo para captar uma imagem do resíduo que não sabes como eliminar.
2. Reconhecimento instantâneo. Graças à tecnologia de reconhecimento de imagem da YOLOv8, a aplicação pode analisar rapidamente imagens e identificar diferentes tipos de resíduos.
3. Insights educacionais. A TrashBestie não se fica pelas recomendações. Esta ferramenta fornece informações educativas aos utilizadores para que compreendam os métodos de eliminação de resíduos sugeridos. Por sua vez, isto promove a aprendizagem a longo prazo e hábitos conscientes de eliminação de resíduos.
4. Fácil de utilizar e acessível. A aplicação é de fácil utilização e acessível a todos, tornando a separação de resíduos ambientalmente responsável possível para qualquer pessoa que utilize um dispositivo Android.

Experimenta

Construir TrashBestie

A jornada de desenvolvimento do TrashBestie envolve uma série de etapas cruciais:

1. Etiquetagem e anotação. As imagens são cuidadosamente rotuladas e anotadas utilizando ferramentas como Roboflow para criar um conjunto de dados robusto para treino.
2. Exportação do conjunto de dados. Após exportar o conjunto de dados rotulado, o conjunto de dados de deteção de objetos está pronto para treinamento.
3. Treina com YOLOv8. O modelo YOLOv8 é treinado no conjunto de dados exportado, concentrando-se no ajuste fino dos seus parâmetros para melhorar a precisão da deteção de objectos.
4. Implantação do Streamlit. O modelo YOLOv8 está integrado na aplicação Streamlit, garantindo uma deteção de objectos eficiente e precisa. Esta aplicação está alojada no GitHub utilizando YOLOv8 e Streamlit para deteção e seguimento de objectos.
   

O futuro do TrashBestie

A TrashBestie continua a melhorar, adicionando localização, tornando-a mais acessível em iOS e Android e aperfeiçoando as técnicas de processamento de imagens. A equipa está empenhada em melhorar continuamente o desempenho e a precisão da aplicação.

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

A TrashBestie tem a missão de revolucionar a gestão de resíduos e tornar o nosso planeta mais limpo e sustentável. Este é um primeiro passo para o futuro, que pode mesmo revolucionar a conceção das carreiras de gestão de resíduos. Junta-te a eles nesta emocionante viagem rumo a um futuro mais verde!

‍

Entra em contacto com a equipa TrashBestie:

Ajuda-me: LinkedIn, GitHub

Simantini: LinkedIn, GitHub, Medium

O meu: LinkedIn