Un futuro más verde gracias a la IA y la visión Ultralytics YOLO

‍TrashBestie es una nueva app que nos ayuda a clasificar y gestionar los residuos de una forma diferente y mejor utilizando la visión por ordenador. TrashBestie utiliza el aprendizaje profundo y la tecnología avanzada para ayudar a las personas a actuar para que el planeta sea más limpio y sostenible.

El equipo que está detrás de TrashBestie imagina un futuro en el que los residuos dejen de ser una molestia para convertirse en una oportunidad de cambio positivo. Clasificar los residuos es importante para proteger el medio ambiente, ahorrar recursos y reducir la contaminación. Con esto en mente, TrashBestie se convirtió en la solución digital que capacita a las personas para tomar decisiones informadas sobre la gestión de residuos sin esfuerzo. El objetivo es claro: inspirar un movimiento colectivo hacia la gestión responsable de los residuos y fomentar un planeta más limpio para las generaciones venideras.

Conoce al equipo detrás de TrashBestie

Antes de sumergirnos en la innovadora tecnología que hay detrás de TrashBestie, conozcamos a sus creadores:

• Helge Rölleke: Con experiencia en ventas del sector sanitario, Helge pasó a la ciencia de datos y realizó una investigación pionera sobre el rendimiento de las empresas y la retribución de los ejecutivos. También es un entusiasta de las setas y está abierto a nuevas oportunidades de la ciencia de datos.
• Mi: Un Científico de Datos y Desarrollador Frontend que combina habilidades para afrontar retos complejos y crear aplicaciones web fáciles de usar.
• Simantini Shinde: Científica de Datos Junior con experiencia en análisis de datos, aprendizaje automático y mucho más. Simantini es una firme defensora del desarrollo de código abierto que explora constantemente nuevas tecnologías y persigue un estilo de vida equilibrado y sostenible.
  

El viaje hacia el aprendizaje automático y la IA de visión

Helge empezó a estudiar el aprendizaje automático durante su tesis de máster, examinando cómo se relaciona la retribución de un directivo con el éxito de una empresa. Para ello utilizó modelos de regresión y técnicas de aprendizaje automático. Helge pudo profundizar en el mundo de la IA de visión en el Bootcamp de Spiced Academy. Allí experimentó con el aprendizaje profundo y determinó la utilidad de los modelos Ultralytics YOLO .

My tenía un amigo que compartía sus proyectos de ciencia de datos, lo que despertó su interés por el aprendizaje automático. La forma en que los datos podían descubrir ideas y optimizar procesos la fascinó. Por eso se unió al Bootcamp, donde conoció a Simantini y Helge.

Simantini empezó a explorar el aprendizaje automático durante su tesis de máster. Descubrió su potencial en su campo de trabajo, que consiste en evaluar los daños causados en los edificios por los terremotos. Tras su graduación, Simanti tuvo diferentes trabajos relacionados con los datos. Estos trabajos la condujeron finalmente a un campamento de entrenamiento de ciencia de datos y despertaron su interés por el ML y la IA de visión.

Elegir Ultralytics YOLO para TrashBestie

El uso de TrashBestie de Ultralytics YOLOv8 como herramienta principal es estratégico.

• Fácil de usar: Como YOLOv8 es de código abierto y fácil de usar, era muy accesible para el equipo.
• Precisión: YOLOv8 proporcionó una mayor precisión, especialmente en las puntuaciones de precisión.
• Flexibilidad: El equipo pudo integrar YOLOv8 sin problemas con Roboflow, mejorando su flujo de trabajo.
  

¿Cómo funciona TrashBestie?

TrashBestie funciona como un asistente personal de clasificación de residuos, utilizando la inteligencia artificial para simplificar el proceso en cuatro sencillos pasos:

1. Detecta con tu cámara. Utiliza la cámara de tu dispositivo para capturar una imagen del objeto de desecho del que no estás seguro de cómo deshacerte.
2. Reconocimiento instantáneo. Gracias a la tecnología de reconocimiento de imágenes de YOLOv8, la aplicación puede analizar rápidamente las imágenes e identificar distintos tipos de residuos.
3. Ideas educativas. TrashBestie no se limita a las recomendaciones. Esta herramienta proporciona ideas educativas a los usuarios para que comprendan los métodos de eliminación de residuos sugeridos. A su vez, esto fomenta el aprendizaje a largo plazo y los hábitos conscientes de eliminación de residuos.
4. Fácil de usar y accesible. La aplicación es fácil de usar y accesible para todos, por lo que la clasificación de residuos responsable con el medio ambiente está al alcance de cualquiera que utilice un dispositivo Android .

Pruébalo

Construyendo TrashBestie

El viaje de desarrollo de TrashBestie implica una serie de pasos cruciales:

1. Etiquetado y anotación. Las imágenes se etiquetan y anotan cuidadosamente utilizando herramientas como Roboflow para crear un sólido conjunto de datos para el entrenamiento.
2. Exportar el conjunto de datos. Tras exportar el conjunto de datos etiquetado, el conjunto de datos de detección de objetos está listo para el entrenamiento.
3. Entrenamiento con YOLOv8. El modelo YOLOv8 se entrena en el conjunto de datos exportado, centrándose en ajustar sus parámetros para mejorar la precisión de la detección de objetos.
4. Despliegue de Streamlit. El modelo YOLOv8 está integrado en la aplicación Streamlit, lo que garantiza una detección de objetos eficaz y precisa. Esta aplicación está alojada en GitHub y utiliza YOLOv8 y Streamlit para la detección y el seguimiento de objetos.
   

El futuro de TrashBestie

TrashBestie sigue mejorando añadiendo localización, haciéndola más accesible en iOS y Android, y perfeccionando las técnicas de procesamiento de imágenes. El equipo se compromete a mejorar continuamente el rendimiento y la precisión de la aplicación.

Echa un vistazo a su proyecto en Devpost, que incluye una galería de imágenes y un vídeo de YouTube que muestra los detalles de su trabajo.

TrashBestie tiene la misión de revolucionar la gestión de residuos y hacer que nuestro planeta sea más limpio y sostenible. Se trata de un primer paso hacia el futuro, que podría incluso revolucionar la concepción de las carreras de gestión de residuos. ¡Únete a ellos en este emocionante viaje hacia un futuro más verde!

‍

Ponte en contacto con el equipo de TrashBestie:

Helge: LinkedIn, GitHub

Simantini: LinkedIn, GitHub, Medium

Mi: LinkedIn