Eine grünere Zukunft durch Vision AI und Ultralytik YOLO

Ultralytics-Team

3 Minuten lesen

10. Oktober 2023

Entdecken Sie TrashBestie, eine innovative App, die Ultralytics YOLOv8 für eine intelligentere Mülltrennung mit KI nutzt. Schließen Sie sich der umweltfreundlichen Bewegung mit einer digitalen Lösung an.

TrashBestie ist eine neue App, die uns mit Hilfe von Computer Vision dabei hilft, Müll anders und besser zu sortieren und zu verwalten. TrashBestie nutzt Deep Learning und fortschrittliche Technologie, um den Menschen zu helfen, Maßnahmen zu ergreifen, um den Planeten sauberer und nachhaltiger zu machen.

Das Team hinter TrashBestie stellt sich eine Zukunft vor, in der Abfall nicht länger ein Ärgernis, sondern eine Chance für positive Veränderungen ist. Mülltrennung ist wichtig, um die Umwelt zu schützen, Ressourcen zu sparen und die Verschmutzung zu reduzieren. Mit diesem Gedanken im Hinterkopf wurde TrashBestie zu einer digitalen Lösung, die es dem Einzelnen ermöglicht, mühelos fundierte Entscheidungen zum Abfallmanagement zu treffen. Das Ziel ist klar: eine kollektive Bewegung für ein verantwortungsbewusstes Abfallmanagement zu inspirieren und einen sauberen Planeten für die kommenden Generationen zu fördern.

Treffen Sie das Team hinter TrashBestie

Bevor wir in die innovative Technologie hinter TrashBestie eintauchen, sollten wir die Macher kennenlernen:

  • Helge Rölleke: Nach seiner Erfahrung im Vertrieb im Gesundheitswesen wechselte Helge in die Datenwissenschaft und führte bahnbrechende Untersuchungen zur Unternehmensleistung und zur Vergütung von Führungskräften durch. Er ist außerdem ein Pilzliebhaber und offen für neue Möglichkeiten in der Datenwissenschaft.
  • Ich: Ein Data Scientist und Frontend-Entwickler, der seine Fähigkeiten kombiniert, um komplexe Herausforderungen zu bewältigen und benutzerfreundliche Webanwendungen zu erstellen.
  • Simantini Shinde: Ein Junior Data Scientist mit Fachkenntnissen in Datenanalyse, maschinellem Lernen und mehr. Simantini ist ein starker Verfechter der Open-Source-Entwicklung, der ständig neue Technologien erforscht und einen ausgewogenen, nachhaltigen Lebensstil verfolgt.

Die Reise zum maschinellen Lernen und zu Vision AI

Helge begann sich während seiner Masterarbeit mit maschinellem Lernen zu beschäftigen und untersuchte, wie die Vergütung eines Managers mit dem Erfolg eines Unternehmens zusammenhängt. Dazu wurden Regressionsmodelle und Techniken des maschinellen Lernens eingesetzt. Im Bootcamp der Spiced Academy konnte Helge tiefer in die Welt der Vision AI eintauchen. Dort experimentierte er mit Deep Learning und ermittelte die Nützlichkeit der YOLO-Modelle von Ultralytics.

Ein Freund von mir erzählte von seinen Data-Science-Projekten, was ihr Interesse am maschinellen Lernen weckte. Die Art und Weise, wie Daten Erkenntnisse aufdecken und Prozesse optimieren können, faszinierte sie. Deshalb nahm sie am Bootcamp teil, wo sie Simantini und Helge kennenlernte.

Simantini begann mit der Erforschung des maschinellen Lernens während ihrer Masterarbeit. Sie entdeckte das Potenzial des maschinellen Lernens in ihrem Arbeitsbereich, bei dem es um die Bewertung von Gebäudeschäden durch Erdbeben geht. Nach ihrem Abschluss hatte Simanti verschiedene Jobs, die mit Daten zu tun hatten. Diese Jobs führten sie schließlich zu einem Data Science Bootcamp und weckten ihr Interesse an maschinellem Lernen und künstlicher Intelligenz.

Die Wahl von Ultralytics YOLO für TrashBestie

Die Verwendung von Ultralytics YOLOv8 als primäres Instrument durch TrashBestie ist strategisch.

  • Benutzerfreundlich: Da YOLOv8 als Open-Source-Projekt entwickelt wurde und einfach zu bedienen ist, war es für das Team sehr zugänglich.
  • Genauigkeit: YOLOv8 bot eine bessere Genauigkeit, insbesondere bei den Präzisionswerten.
  • Flexibilität: Das Team konnte YOLOv8 nahtlos in Roboflow integrieren und so seinen Arbeitsablauf verbessern.

Wie funktioniert TrashBestie?

TrashBestie funktioniert wie ein persönlicher Assistent für die Mülltrennung und nutzt künstliche Intelligenz, um den Prozess in vier einfachen Schritten zu vereinfachen:

  1. Erkennen Sie mit Ihrer Kamera. Verwenden Sie die Kamera Ihres Geräts, um ein Bild des Abfallgegenstands aufzunehmen, bei dem Sie sich nicht sicher sind, wie er entsorgt werden soll.
  2. Sofortige Erkennung. Dank der Bilderkennungstechnologie von YOLOv8 kann die App Bilder schnell analysieren und verschiedene Arten von Abfall identifizieren.
  3. Pädagogische Einblicke. TrashBestie begnügt sich nicht mit Empfehlungen. Dieses Tool bietet den Nutzern pädagogische Einblicke, um die vorgeschlagenen Abfallentsorgungsmethoden zu verstehen. Dies wiederum fördert langfristiges Lernen und bewusste Abfallentsorgungsgewohnheiten.
  4. Einfach zu benutzen und zugänglich. Die App ist benutzerfreundlich und für alle zugänglich, so dass jeder, der ein Android-Gerät benutzt, umweltbewusste Mülltrennung betreiben kann.

Probieren Sie es aus

TrashBestie nutzt YOLOv8 zum Aufspüren von Abfall
Webcam Objekt-Erkennung

Gebäude TrashBestie

Die Entwicklung von TrashBestie umfasst eine Reihe von entscheidenden Schritten:

  1. Kennzeichnung und Beschriftung. Bilder werden mit Tools wie Roboflow sorgfältig beschriftet und kommentiert, um einen robusten Datensatz für das Training zu erstellen.
  2. Exportieren des Datensatzes. Nach dem Exportieren des beschrifteten Datensatzes ist der Objekterkennungsdatensatz für das Training bereit.
  3. Training mit YOLOv8. Das YOLOv8-Modell wird auf dem exportierten Datensatz trainiert, wobei der Schwerpunkt auf der Feinabstimmung seiner Parameter für eine verbesserte Genauigkeit der Objekterkennung liegt.
  4. Streamlit-Bereitstellung. Das YOLOv8-Modell ist in die Streamlit-Anwendung integriert und gewährleistet eine effiziente und genaue Objekterkennung. Diese Anwendung wird auf GitHub gehostet und verwendet YOLOv8 und Streamlit für die Objekterkennung und -verfolgung.

Die Zukunft von TrashBestie

TrashBestie wird weiter verbessert, indem die App lokalisiert, auf iOS und Android besser zugänglich gemacht und die Bildverarbeitungstechniken verfeinert werden. Das Team ist bestrebt, die Leistung und Präzision der App kontinuierlich zu verbessern.

Schauen Sie sich ihr Projekt auf Devpost an, wo es auch eine Bildergalerie und ein YouTube-Video gibt, das die Details ihrer Arbeit zeigt.

TrashBestie hat es sich zur Aufgabe gemacht, die Abfallwirtschaft zu revolutionieren und unseren Planeten sauberer und nachhaltiger zu machen. Dies ist ein erster Schritt in die Zukunft, der sogar das Konzept der Abfallwirtschaftskarrieren revolutionieren könnte. Begleiten Sie sie auf dieser spannenden Reise in eine grünere Zukunft!

Nehmen Sie Kontakt mit dem TrashBestie-Team auf:

Helge: LinkedIn, GitHub

Simantini: LinkedIn, GitHub, Medium

Meine: LinkedIn

Lassen Sie uns gemeinsam die Zukunft
der KI gestalten!

Beginnen Sie Ihre Reise in die Zukunft des maschinellen Lernens

Kostenloser Start
Link in die Zwischenablage kopiert