В НГТУ НЭТИ разрабатывают систему для сортировки мусора на основе нейросети
Разработку нейросети для распознавания типа и объема отходов, а также автоматизированной системы выбора перевозчика и утилизатора мусора совместно с партнером ведет Новосибирский государственный технический университет (НГТУ) НЭТИ, 28 марта сообщает пресс-служба вуза.
Работа ведется в рамках проекта по созданию приложения, предназначенного для облегчения пользователю заказ на вывоз мусора, Заведующий кафедрой вычислительной техники НГТУ НЭТИ кандидат технических наук Александр Якименко рассказал о ее ходе:
«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».
В настоящее время уже создан портал, позволяющий, пока вручную, подобрать все необходимые параметры и оставить заявку, в которой должны быть указаны объем и тип мусора, способ и время доставки, а также пункт приема и утилизации.
Научные сотрудники кафедры вместе со студентами создают специальный модуль, автоматически распознающий тип отходов и оценивающий его примерный объем. Он предназначен для облегчения пользователю процесса составления заявки. Работа модуля основана на использовании нейронной сети.
Как отметил Якименко, основные сложности ожидали разработчиков на этапе обучения ИИ на предоставленных примерах объектов, которые нейросеть должна распознавать. В данном случае это были фотографии отходов различных классов.
Обучение ИИ включает формирование базы данных изображений различных отходов, которые нейросеть анализирует и запоминает. Объем базы должен обеспечивать возможность достижения требуемой точности в определении отхода по фотографии при последующей загрузке изображения аналогичного отхода.
Сложность определения возникает потому, что существует огромное разнообразие форм и материалов отходов. Так, например, существуют проблемы в различении на фото пластиковых и стеклянных бутылок.
Однако разработчики НГТУ НЭТИ сумели создать сначала первый жизнеспособный продукт, который далее дорабатывался в ходе настройки и совершенствования алгоритма процесса распознавания. Текущая работоспособная версия ПО обеспечивает точность распознавания до 98% для восьми самых распространенных классов мусора.
Нейросеть, обученная в НГТУ НЭТИ, уверенно распознает бумагу, пластик, стекло, бытовые отходы и др. В планах разработчиков расширить диапазон распознаваемых нейросетью объектов минимум до 30 видов мусора.
Работа с пользователем будет организована следующим образом: пользователь фотографирует отходы; нейросеть, обработав каждое фото, определяет их тип и объем и автоматически вносит все эти данные в заявку. Предполагается, что в действующую платформу функция распознавания будет внедрена уже в мае.
На этом работа над проектом не закончится. Будет создана рекомендательная автоматизированная система для помощи пользователю. Ей понадобится не более пары минут, чтобы подобрать для него компанию, принимающую такие отходы, и автомобиль с курьером, который доставит груз в конечную точку.
Данная система имеет принцип, напоминающий работу приложений по вызову такси. Пользователю только нужно сфотографировать отходы, проверить правильность данных, которые внесла нейросеть, и нажать «ОК». В указанное в приложении время эти отходы доставят на мусороперерабатывающее предприятие.
«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.
