Боль-Запрос

Низкий уровень знаний населения о правильной сортировке мусора.

→ Создание устройства, которое автоматически сортирует мусор, уменьшая необходимость знаний о переработке у пользователей.

---

Низкая мотивация населения к сортировке мусора.

→ Возможность для людей зарабатывать деньги, сдавая отсортированный мусор.

---

Сложность и трудоемкость ручной сортировки мусора.

→ Разработка автоматизированной системы, которая самостоятельно распознает и классифицирует различные типы отходов.

---

Разнообразие типов мусора и необходимость точной классификации.

→ Использование нейросетевого машинного зрения для высокой точности распознавания и классификации отходов.

---

Ограниченное пространство для хранения и сортировки мусора.

→ Включение компакторов для компрессии мусора и экономии места внутри устройства.

---

Необходимость в качественной и устойчивой предобработке изображений мусора.

→ Разработка узла регистрации с системой подсветки и камер для съемки и цифровой предобработки изображений мусора.

---

Высокие требования к скорости и точности работы системы классификации.

→ Интеграция современных алгоритмов нейросетевого машинного зрения, обеспечивающих высокую производительность и точность классификации в реальном времени.

---

Высокие затраты на внедрение и поддержку традиционных систем сортировки мусора.

→ Создание компактного и автономного устройства, которое можно легко интегрировать в существующие инфраструктуры.

---

Недостаток систем, способных обрабатывать различные виды отходов в одном устройстве.

→ Разработка универсального решения, способного сортировать пластик, металл, стекло, тетрапак и бумагу.

---

Ограниченные данные для обучения и тестирования моделей нейросетевого машинного зрения.

→ Подготовка большого размеченного набора данных с фотографиями и классами мусора, а также применение методов искусственного расширения выборки.

---

Необходимость в комплексном решении, включающем как аппаратные, так и программные компоненты.

→ Разработка полного программно-аппаратного комплекса, который включает узел регистрации, систему классификации и аппарат для сортировки и компрессии мусора.

Описание проекта

Проект WORM-E Smart Bin представляет собой разработку уникальной системы автоматической сортировки мусора, направленной на существенное улучшение процессов утилизации отходов.

Цели проекта

• Создание интеллектуальной системы для автоматической сортировки бытового мусора.
  
  
• Повышение эффективности переработки отходов.
  
  
• Разработка устройства для распознавания и классификации различных типов мусора.
  
  
• Уменьшение сложности процесса сортировки мусора для населения.
  
  
• Стимулирование сдачи отсортированного мусора через возможность получения дохода.
  
  

Выполненные задачи

• Исследование и анализ

— Анализ существующих методов сортировки мусора и их недостатков.
— Изучение возможностей применения нейросетевого машинного зрения для классификации отходов.

• Разработка аппаратного модуля

— Создание узла регистрации, включающего систему подсветки и камеры для съемки мусора в различных спектрах (видимый, ИК, УФ).
— Разработка системы компакторов для компрессии отходов и экономии места внутри устройства.

• Создание программного обеспечения

— Разработка алгоритмов цифровой предобработки изображений (обрезка, отбор кадров, склейка и нормализация изображений).
— Создание нейросетевой модели компьютерного зрения для распознавания и классификации мусора.

• Подготовка данных для обучения

— Сбор и разметка набора данных, включающего ~1,000 объектов и ~6,000 изображений мусора, распределенных по 6 категориям (пластик, металл, бумага, стекло, тетрапак, остальной мусор).
— Применение методов искусственного расширения выборки данных (data augmentation) для улучшения качества обучения модели.

• Обучение и тестирование модели

— Выбор архитектуры нейросети (EfficientNet) и параметров модели (функции активации, функционал ошибки).
— Обучение модели с использованием фреймворка PyTorch.
— Тестирование модели на точность и скорость работы.

• Интеграция системы

— Интеграция модели компьютерного зрения в общий программный конвейер.
— Объединение аппаратных и программных компонентов в единое устройство.

• Проведение испытаний

— Реальные тестирования устройства в условиях различного мусора и оценка его производительности.
—Внесение необходимых улучшений и корректировок по результатам тестирования.

Длительность проекта
Общая длительность проекта — 3 месяца

Команда

• 1 Data Science Lead
• 2 Data Scientists (CV Engineers)
• 1 backend developer
• Команда разметки
  
  

Стоимость реализации проекта

• Общая стоимость проекта составила ~ 35k USD

Решение

Схема сортировки

В рамках проекта было выполнено следующее

• Исследование и подготовка

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

• Аппаратное обеспечение

— 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.

• Программное обеспечение

— 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.

• Подготовка данных

— 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.

• Обучение и тестирование

— 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.

• Интеграция и разработка системы

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

• Испытания и улучшения

— 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.

Результат проекта

В рамках проекта WORM-E Smart Bin были выполнены следующие задачи

• Разработка аппаратной части

— 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.

• Создание программного обеспечения

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

• Подготовка данных для обучения

— 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.

• Обучение и тестирование 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.

• Интеграция системы

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

• Проведение испытаний

— 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.

Результаты испытаний проекта WORM-E Smart Bin

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

Релевантность

• Экологическая устойчивость

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.

• Улучшение качества переработки

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.

• Снижение нагрузки на людей

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.

• Экономическая выгода

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.

• Социальная ответственность

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.

• Технологическое развитие

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.

Преимущества продукта

• Высокая точность и эффективность сортировки

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

• Автоматизация процесса

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

• Экономия пространства

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

• Стимулирование переработки

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

• Образовательный эффект

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

• Универсальность и адаптивность

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.

• Снижение экологического следа

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

• Технологическое превосходство

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.

• Экономическая выгода

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.

Дополнительные материалы