Умная мусорка — классификация мусора на фракции

Привет! Я Ярослав, технический директор R77 AI. Рассказываю, как мы делали умную мусорку с классификацией мусора на фракции)

На данный момент в России люди уделяют недостаточно внимания ручной сортировке мусора. Более того, их "зеленые" знания довольно скромные → например, мы не знаем, какие виды пластика подлежат переработке и так далее.

Мы предлагаем умную многоуровневую систему (умная урна → терминал → хаб), которая способна сортировать бытовые отходы на несколько перерабатываемых групп.

Умная урна — это цифровая мусорная корзина, которая может определять, классифицировать и помещать в определенный отсек выброшенную пластиковую бутылку и другие отходы. На данный момент мы сосредоточены на пластике, металле, стекле, тетрапаке, бумаге. Умная урна также оснащена камерами для компьютерного зрения, ультразвуковыми датчиками для измерения загрузки всех отсеков и двумя компакторами для уплотнения отходов и экономии пространства внутри.

Устройство также позволяет владельцу сдавать предварительно отсортированные отходы и зарабатывать деньги.

Больше 6 месяцев проект (больше половины, не AI)

Здесь перечислены все известные и неизвестные переменные.

— Проведено детальное исследование существующих методов сортировки отходов для выявления их недостатков.— Проанализированы возможности использования нейросетевых технологий для автоматической классификации мусора.

— Разработан модуль регистрации, включающий подсветку и камеры, которые снимают мусор в различных спектрах (видимый, ИК, УФ).— Создана система для прессования отходов, что позволяет экономить пространство внутри устройства.

— Написаны алгоритмы для обработки изображений, включая кадрирование, фильтрацию, объединение и нормализацию.— Обучена нейросетевая модель для распознавания и классификации различных типов мусора с использованием машинного зрения.

— Сформирован и размечен большой набор данных, включающий около 1,000 различных объектов и 6,000 изображений мусора, классифицированных по шести категориям (пластик, металл, бумага, стекло, тетрапак, прочий мусор).— Использованы методы увеличения объема данных (data augmentation) для улучшения качества обучения модели.

— Выбрана архитектура нейросети EfficientNet и настроены параметры модели, включая функции активации и методы оценки ошибок.— Обучение модели выполнено на платформе PyTorch.— Проведено тестирование модели для оценки её точности и скорости работы.

— Модель машинного зрения интегрирована в общий программный конвейер устройства.— Аппаратные и программные компоненты объединены в единое функционирующее устройство.

— Проведены полевые испытания устройства в различных условиях, чтобы оценить его производительность в реальных сценариях.— Внесены корректировки и улучшения на основании результатов тестирования для оптимизации работы системы.

— Создан узел регистрации, включающий систему подсветки и камеры для съемки мусора в различных спектрах (видимый, ИК, УФ).— Разработана система компакторов для компрессии мусора, что позволяет экономить место внутри устройства.

— Разработаны алгоритмы цифровой предобработки изображений, включая обрезку, отбор кадров, склейку и нормализацию изображений.— Создана нейросетевая модель компьютерного зрения для распознавания и классификации мусора.

— Собран и размечен набор данных, включающий ~1,000 объектов и ~6,000 изображений мусора, распределенных по 6 категориям (пластик, металл, бумага, стекло, тетрапак, остальной мусор).— Применены методы искусственного расширения выборки данных (data augmentation) для улучшения качества обучения модели.

— Выбрана архитектура нейросети EfficientNet и определены параметры модели, включая функции активации и функционал ошибки.— Модель обучена с использованием фреймворка PyTorch.— Проведено тестирование модели на точность и скорость работы.

— Модель компьютерного зрения интегрирована в общий программный конвейер.— Объединены аппаратные и программные компоненты в единое функционирующее устройство.

— Проведены полевые испытания устройства в различных условиях, чтобы оценить его производительность в реальных сценариях.— Внесены корректировки и улучшения на основании результатов тестирования для оптимизации работы системы.

Эти результаты демонстрируют улучшение показателей точности, полноты и F1-оценки для большинства категорий мусора после оптимизации модели.

Сортировка и переработка отходов играют критическую роль в снижении негативного воздействия на окружающую среду. Автоматическая система сортировки мусора помогает эффективно перерабатывать отходы, уменьшая объемы полигонов и снижая загрязнение.

Высокая точность и скорость распознавания и классификации мусора, достигаемые с помощью нейросетевого машинного зрения, значительно повышают качество переработки. Это приводит к более чистым и пригодным для переработки материалам.

Автоматизация процесса сортировки мусора снижает необходимость ручного труда, что особенно актуально в условиях больших объемов отходов. Это также минимизирует контакт людей с потенциально опасными материалами.

Возможность для людей зарабатывать деньги, сдавая отсортированный мусор, стимулирует общество к более ответственному отношению к отходам. Это также может способствовать созданию новых рабочих мест в сфере переработки и управления отходами.

Повышение уровня осведомленности населения о важности сортировки и переработки отходов способствует формированию экологически ответственного поведения. Проект WORM-E Smart Bin вносит вклад в образовательные и социальные инициативы по улучшению экологической культуры.

Использование передовых технологий, таких как нейросетевое машинное зрение и автоматизация, демонстрирует возможности современных инноваций в решении экологических проблем. Проект способствует развитию и внедрению высокотехнологичных решений в области экологии.

Использование нейросетевых моделей компьютерного зрения обеспечивает высокую точность распознавания и классификации различных типов мусора. Это позволяет значительно улучшить качество сортировки и переработки отходов.

Полная автоматизация процесса сортировки мусора снижает необходимость ручного труда, что экономит время и усилия пользователей, а также минимизирует контакт с потенциально опасными отходами.

Система оснащена компакторами, которые сжимают мусор, что позволяет значительно экономить пространство внутри контейнера и уменьшить частоту его опустошения.

Возможность зарабатывать деньги, сдавая отсортированный мусор, стимулирует людей к участию в программе переработки, повышая общий уровень вовлеченности и ответственности за окружающую среду.

Проект повышает осведомленность населения о важности сортировки и переработки отходов, способствует формированию экологически ответственного поведения и улучшению экологической культуры.

Система способна распознавать и сортировать различные типы отходов, включая пластик, металл, бумагу, стекло, тетрапак и другие. Это делает ее универсальной и подходящей для различных условий и мест.

Эффективная сортировка и переработка отходов помогают снизить объемы мусора, отправляемого на полигоны, уменьшая загрязнение окружающей среды и способствуя устойчивому развитию.

Проект демонстрирует возможности применения современных технологий, таких как нейросетевое машинное зрение и автоматизация, в решении экологических проблем. Это способствует развитию и внедрению высокотехнологичных решений в сфере экологии.

Эффективное управление отходами и переработка могут привести к снижению затрат на утилизацию и создать новые экономические возможности, такие как продажа переработанных материалов и создание новых рабочих мест.

1-3 камеры

Разные виды подсветки и длины волн

Разный фон

Общая длительность проекта — 3 месяца

Общая стоимость проекта составила ~35k USD

Я создал канал, где описываю, как мы делаем такие проекты — @r77_ai приходите, там много промышленного и не только)