В НГТУ НЭТИ придумали нейросеть для сортировки мусора

29.03.2024 269

Новосибирский государственный технический университет НЭТИ совместно с партнером работает над приложением, облегчающим автоматический вывоз мусора. Команда программистов университета разрабатывает для приложения нейросеть, которая умеет распознавать тип и объем отходов, а также автоматизированную систему для подбора перевозчика и утилизатора мусора.

«Участие НГТУ НЭТИ в проекте «ТРЭШ ФО КЭШ» началось с консультации по созданию платформы для сервиса по онлайн-отправке отходов на переработку. Мы присоединились к разработке единого сервиса, объединяющего функционал как для «производителя» мусора, будь то обычный горожанин или юридическое лицо, желающего избавиться от отходов и заработать на этом, так и для «потребителей» мусора в лице перерабатывающих предприятий, нуждающихся в сырье. Уже существует портал, на котором можно вручную подобрать все необходимые параметры и оставить заявку: объем и тип мусора, способ и время доставки, а также пункт приема и утилизации. Сейчас мы со студентами активно работаем над созданием специального модуля, который сможет автоматически распознавать тип отходов и оценивать его примерный объем, что облегчит процесс для пользователя», — рассказал Александр Якименко, кандидат технических наук, заведующий кафедрой вычислительной техники НГТУ НЭТИ.

Для создания модуля с автоматическим распознаванием мусора команда разработчиков приняла решение использовать нейронную сеть. По словам Александра, самым сложным этапом в работе является обучение нейросети на основе предоставленных примеров, в данном случае — фотографий отходов различных классов. Процесс «обучения» включает поиск и загрузку изображений различных отходов в базу данных, которые затем анализируются и запоминаются нейросетью, данное действие продолжается до достижения требуемой точности в определении содержимого на фотографии при последующей загрузке. Система также усложняется разнообразием форм и материалов, например, пластиковые и стеклянные бутылки иногда трудно различать.

После длительного процесса подготовки и отбора необходимых изображений был создан первый жизнеспособный продукт. Далее было несколько этапов по настройке и доработке процесса распознавания, что привело к текущей работоспособной версии. На данный момент нейросеть с точностью до 98% может определять восемь самых распространенных классов мусора, в числе которых бумага, пластик, стекло, бытовые отходы и так далее. В дальнейшем разработчики планируют расширить диапазон работы нейросети минимум до 30 видов мусора.

Для пользователя алгоритм будет следующим: в приложении необходимо сфотографировать отходы, нейросеть обработает каждое фото, определит тип и объем и автоматически внесет все данные в заявку. Внедрение функции распознавания в действующую платформу планируется уже в мае.

Следующий этап работы над проектом — рекомендательная система, которая поможет пользователю автоматизированно, за пару минут найти компанию, принимающую отходы, и автомобиль с курьером, который доставит груз в конечную точку. Данная система похожа на принцип работы приложений такси: достаточно сделать фото отходов, проверить правильность данных, внесенных нейросетью, и нажать «ОК». В указанное время отходы будут доставлены на предприятие для переработки.

«Производственные предприятия, заводы и магазины ежедневно избавляются от отходов. Мы рассматриваем возможность создать для постоянных клиентов индивидуальный профиль, где будет накапливаться статистика. Так мы сможем еще больше ускорить и упростить процесс фотографирования и формирования заявки, так как профиль пользователя уже будет связан с данными о типах мусора, чаще всего утилизируемых компанией, что позволит снизить вероятность ошибок в распознавании», — добавил Александр Якименко.

 

Источник: Управление информационной политики НГТУ НЭТИ




Назад к списку


Добавить комментарий
Прежде чем добавлять комментарий, ознакомьтесь с правилами публикации
Имя:*
E-mail:
Должность:
Организация:
Комментарий:*
Введите код, который видите на картинке:*