敬请关注 YOLO Vision 2025!
2025年9月25日
英国夏令时 10:00 - 18:00
混合活动
Yolo Vision 2024

通过视觉 AI 和 Ultralytics YOLO 实现更绿色的未来

Ultralytics 团队

3 分钟阅读

2023年10月10日

探索 TrashBestie,这是一款使用 Ultralytics YOLOv8 的创新应用程序,可通过 AI 实现更智能的垃圾分类。通过数字解决方案加入环保运动。

TrashBestie 是一款新的应用程序,它使用计算机视觉以不同且更好的方式帮助我们对废物进行分类和管理。TrashBestie 使用深度学习和先进技术来帮助人们采取行动,使地球更清洁、更可持续。

TrashBestie 背后的团队设想了一个未来,在这个未来,废物不再是一种麻烦,而是一种积极变革的机会。对废物进行分类对于保护环境、节约资源和减少污染非常重要。考虑到这一点,TrashBestie 成为了一个数字解决方案,使个人能够毫不费力地做出明智的废物管理决策。目标很明确:激发一场负责任的废物管理集体运动,并为子孙后代营造一个更清洁的地球。

认识 TrashBestie 背后的团队

在我们深入了解 TrashBestie 背后的创新技术之前,让我们先来认识一下它的创造者:

  • Helge Rölleke:在医疗保健销售方面经验丰富,Helge 转型为数据科学,并对公司业绩和高管薪酬进行了开创性的研究。他也是一位蘑菇爱好者,并乐于接受新的数据科学机会。
  • My:一位数据科学家和前端开发人员,结合技能来应对复杂的挑战并创建用户友好的 Web 应用程序。
  • Simantini Shinde:一位初级数据科学家,擅长数据分析、机器学习等。Simantini 是开源开发的积极倡导者,不断探索新技术,追求平衡、可持续的生活方式。

机器学习和视觉 AI 之旅

Helge 在攻读硕士学位期间开始研究机器学习,研究经理的薪酬与公司的成功之间的关系。这涉及到使用回归模型和机器学习技术。在Spiced Academy的训练营中,Helge能够更深入地探索视觉人工智能领域。在这里,他尝试了深度学习,并确定了Ultralytics YOLO模型的实用性。

My 有一个朋友分享了他的数据科学项目,这激发了她对机器学习的兴趣。数据能够揭示见解和优化流程的方式让她着迷。这就是她加入训练营的原因,在那里她遇到了 Simantini 和 Helge。

Simantini 在攻读硕士学位期间开始探索机器学习。她发现了机器学习在她工作领域中的潜力,她的工作涉及评估地震造成的建筑物损坏。毕业后,Simanti 从事过不同的与数据相关的工作。这些工作最终使她参加了一个数据科学训练营,并激发了她对机器学习和视觉人工智能的兴趣。

为 TrashBestie 选择 Ultralytics YOLO

TrashBestie 战略性地使用 Ultralytics YOLOv8 作为主要工具。

  • 用户友好: 由于 YOLOv8 是开源且易于使用,因此团队可以轻松访问。
  • 准确率: YOLOv8 提供了更高的准确率,尤其是在精确率方面。
  • 灵活性: 该团队可以将 YOLOv8 与 Roboflow 无缝集成,从而增强他们的工作流程。

TrashBestie 如何运作?

TrashBestie 充当个人垃圾分类助手,利用人工智能将流程简化为四个简单的步骤:

  1. 用您的相机检测。 使用您设备的相机拍摄您不确定如何处理的废弃物品的图像。
  2. 即时识别。 归功于 YOLOv8 的图像识别技术,该应用程序可以快速分析图像并识别不同类型的废物。
  3. 教育见解。 TrashBestie 不仅仅提供建议。此工具为用户提供教育见解,以了解建议的废物处理方法。反过来,这促进了长期的学习和有意识的废物处理习惯。
  4. 易於使用且易於存取。 該應用程式使用者友好且所有人均可存取,使任何使用 Android 設備的人都可以實現對環境負責的垃圾分類。

立即尝试

TrashBestie 使用 YOLOv8 检测废物
网络摄像头目标检测

构建 TrashBestie

TrashBestie 的开发历程涉及一系列关键步骤:

  1. 标签和注释。 使用 Roboflow 等工具仔细标记和注释图像,以创建用于训练的强大数据集。
  2. 导出数据集。 导出标注的数据集后,目标检测数据集就可以进行训练了。
  3. 使用 YOLOv8 进行训练。 YOLOv8 模型在导出的数据集上进行训练,专注于微调其参数,以提高目标检测的准确性。
  4. Streamlit 部署。 YOLOv8 模型已集成到 Streamlit 应用程序中,从而确保高效、准确的对象检测。此应用程序托管在 GitHub 上,使用 YOLOv8 和 Streamlit 进行对象检测和跟踪。

TrashBestie 的未来

TrashBestie 正在不断改进,增加了本地化功能,使其在 iOS 和 Android 上更易于访问,并改进了图像处理技术。 该团队致力于不断提高应用程序的性能和精度。

查看他们在 Devpost 上的项目,其中包括一个图片库和一个展示他们工作细节的 YouTube 视频。

TrashBestie 的使命是彻底改变废物管理,让我们的地球更清洁、更可持续。 这是迈向未来的第一步,甚至可能彻底改变废物管理职业的概念。 加入他们,踏上这段激动人心的迈向绿色未来的旅程!

与 TrashBestie 团队联系:

Helge:LinkedIn,GitHub

Simantini:LinkedIn,GitHubMedium

我的:LinkedIn

让我们一起构建人工智能的未来!

开启您的机器学习未来之旅

免费开始
链接已复制到剪贴板