비전 AI를 통한 더 친환경적인 미래와 Ultralytics YOLO

컴퓨터 비전을 사용하여 더 나은 방식으로 쓰레기를 분류하고 관리할 수 있도록 도와주는 새로운 앱입니다. TrashBestie는 딥러닝과 첨단 기술을 사용하여 사람들이 지구를 더 깨끗하고 지속 가능하게 만들기 위한 행동을 취할 수 있도록 도와줍니다.

TrashBestie의 개발팀은 쓰레기가 더 이상 골칫거리가 아닌 긍정적인 변화의 기회가 되는 미래를 상상합니다. 쓰레기 분류는 환경을 보호하고 자원을 절약하며 오염을 줄이는 데 중요합니다. 이를 염두에 두고 개인이 정보에 입각한 폐기물 관리 결정을 손쉽게 내릴 수 있도록 지원하는 디지털 솔루션인 TrashBestie를 개발했습니다. 목표는 분명합니다. 책임감 있는 폐기물 관리를 위한 집단적 움직임을 고무하고 다음 세대를 위해 더 깨끗한 지구를 조성하는 것입니다.

TrashBestie 개발팀 소개

트래시베스티의 혁신적인 기술에 대해 자세히 알아보기 전에, 트래시베스티의 개발자를 만나보겠습니다:

• 헬게 뢸레케: 의료 서비스 영업 분야에서 경력을 쌓은 헬게는 데이터 과학 분야로 전환하여 회사 성과 및 임원 보상에 관한 획기적인 연구를 수행했습니다. 버섯 애호가이기도 한 그는 새로운 데이터 과학 기회에 열려 있습니다.
• My: 데이터 과학자이자 프론트엔드 개발자로서 복잡한 문제를 해결하고 사용자 친화적인 웹 애플리케이션을 만드는 기술을 겸비하고 있습니다.
• 시만티니 신데: 데이터 분석, 머신 러닝 등에 전문성을 갖춘 주니어 데이터 과학자입니다. Simantini는 오픈 소스 개발을 적극 지지하며 끊임없이 새로운 기술을 탐구하고 균형 잡힌 지속 가능한 라이프스타일을 추구합니다.
  

머신러닝과 비전 AI를 향한 여정

헬게는 석사 논문에서 머신러닝을 연구하면서 관리자의 급여가 회사의 성공과 어떤 관계가 있는지 조사하기 시작했습니다. 여기에는 회귀 모델과 머신러닝 기법이 사용되었습니다. 헬게는 스파이스드 아카데미의 부트캠프에서 비전 AI의 세계에 더 깊이 빠져들 수 있었습니다. 이곳에서 그는 딥러닝을 실험하고 Ultralytics YOLO 모델의 유용성을 확인했습니다.

친구의 데이터 과학 프로젝트를 공유한 것이 계기가 되어 머신 러닝에 관심을 갖게 되었습니다. 데이터를 통해 인사이트를 발견하고 프로세스를 최적화하는 방식에 매료되었습니다. 그래서 그녀는 부트캠프에 참가했고, 그곳에서 Simantini와 Helge를 만났습니다.

시만티니는 석사 논문을 쓰면서 머신러닝을 탐구하기 시작했습니다. 그녀는 지진으로 인한 건물 피해를 평가하는 자신의 업무 분야에서 머신러닝의 잠재력을 발견했습니다. 졸업 후 시만티니는 데이터와 관련된 다양한 직무를 수행했습니다. 이러한 일들은 결국 데이터 과학 부트캠프에 참여하게 했고, 머신러닝과 비전 AI에 대한 그녀의 관심을 불러일으켰습니다.

Ultralytics YOLO 선택하기

TrashBestie는 Ultralytics YOLOv8 를 주요 도구로 사용하는 것은 전략적입니다.

• 사용자 친화적: YOLOv8 는 오픈 소스이고 사용하기 쉬워 팀원들의 접근성이 높았습니다.
• 정확도: YOLOv8 특히 정밀도 점수에서 더 나은 정확도를 제공했습니다.
• 유연성: 팀은 YOLOv8 을 Roboflow 과 원활하게 통합하여 워크플로우를 개선할 수 있었습니다.
  

트래시베스티는 어떻게 작동하나요?

TrashBestie는 개인 쓰레기 분류 도우미로 작동하며, 인공 지능을 사용하여 프로세스를 간단한 4단계로 간소화합니다:

1. 카메라로 감지하기. 장치의 카메라를 사용해 어떻게 처리해야 할지 모르는 폐기물의 이미지를 캡처하세요.
2. 즉각적인 인식. YOLOv8 의 이미지 인식 기술 덕분에 이 앱은 이미지를 빠르게 분석하고 다양한 유형의 폐기물을 식별할 수 있습니다.
3. 교육 인사이트. TrashBestie는 추천에서 그치지 않습니다. 이 도구는 사용자가 제안된 쓰레기 처리 방법을 이해할 수 있도록 교육적인 인사이트를 제공합니다. 이를 통해 장기적인 학습과 의식적인 쓰레기 배출 습관을 장려합니다.
4. 간편한 사용과 접근성. 이 앱은 사용자 친화적이고 누구나 쉽게 액세스할 수 있어 Android 기기를 사용하는 사람이라면 누구나 환경적으로 책임감 있는 쓰레기 분류를 할 수 있습니다.

사용해 보기

트래시베스티 구축

트래시베스티의 개발 과정에는 일련의 중요한 단계가 있습니다:

1. 라벨링 및 주석. 이미지에는 Roboflow 같은 도구를 사용해 신중하게 라벨을 붙이고 주석을 달아 학습을 위한 강력한 데이터 세트를 생성합니다.
2. 데이터 세트 내보내기. 레이블이 지정된 데이터 세트를 내보내면 객체 감지 데이터 세트를 학습할 준비가 된 것입니다.
3. YOLOv8 로 훈련하기. YOLOv8 모델은 내보낸 데이터 세트에 대해 학습되며, 객체 감지 정확도를 높이기 위해 매개변수를 미세 조정하는 데 중점을 둡니다.
4. Streamlit 배포. YOLOv8 모델은 Streamlit 애플리케이션에 통합되어 효율적이고 정확한 객체 감지를 보장합니다. 이 앱은 객체 감지 및 추적을 위해 YOLOv8 및 Streamlit을 사용하여 GitHub에서 호스팅됩니다.
   

트래시베스티의 미래

TrashBestie는 현지화를 추가하고 iOS 및 Android 에서 더 쉽게 액세스할 수 있도록 하며 이미지 처리 기술을 개선하는 등 지속적으로 개선하고 있습니다. 개발팀은 앱의 성능과 정밀도를 지속적으로 개선하기 위해 최선을 다하고 있습니다.

이미지 갤러리와 작업의 세부 사항을 보여주는 YouTube 동영상이 포함된 Devpost에서 프로젝트를 확인하세요.

트래시베스티는 폐기물 관리를 혁신하고 지구를 더 깨끗하고 지속 가능하게 만드는 것을 사명으로 삼고 있습니다. 이는 미래를 향한 첫걸음이며, 폐기물 관리 직업에 대한 개념을 혁신할 수도 있습니다. 더 친환경적인 미래를 향한 이 흥미진진한 여정에 동참하세요!

‍

트래시베스티 팀에 문의하세요:

Helge: 링크드인, 깃허브

Simantini: LinkedIn, GitHub, Medium

My: LinkedIn