ecosnap

Ecosnap

ecosnap.mp4

通過人工智能更好地回收塑料♻️

EcosNap告訴您如何以及在何處從簡單的圖片中回收您的物品，並為您的位置定制建議。我們在一周內為Ben的Bites AI Hackathon建造了該產品。

立即嘗試 - 它是免費的，無需登錄

您可以通過GitHub贊助商來支持該項目（以及許多其他項目）！ ❤️

由Alyssa X和Leo製造。閱讀有關我們如何在這裡構建的更多信息。

目錄

• 特徵
• 安裝
• AI模型
  • 數據集
  • 培訓自己的模型
  • 預言
  • 反饋循環
• 信用
• 使用的庫

特徵

？扣或上傳塑料代碼的圖片
在手機上安裝PWA，以方便訪問
？搜索特定物品以知道如何處置它
♻️學習如何使用AI有效回收
？跟踪您回收了多少個塑料物品
？更改您的位置以獲取具體建議
...還有更多 - 全部免費，無需登錄！

安裝

您可以通過單擊此處直接部署到Vercel。

重要：確保在.env文件中更新Next_public_model_url的環境變量，並將其設置為絕對URL託管型號。

AI模型

數據

該模型是在7種不同的樹脂代碼的圖像示例中訓練的，可以在ml/seven_plastics中找到該模型的數據。它是以下Kaggle數據集和作者和貢獻者收集的圖像的組合。

訓練

最終模型是使用TensorFlow的ExtricNet實現訓練的，模型權重凍結以進行傳輸學習，因此該模型可以更快地學習樹脂代碼！該模型在Python上通過GPU驅動的機器進行了培訓，以進行更快的培訓！您可以在ml/train.py中找到訓練腳本，然後親自嘗試，在到達最終模型之前，您會發現對不同的元體系結構和參數進行了試驗。

預言

為了預測塑料樹脂代碼，必須將模型與前端應用集成以進行實時結果，為此，我們必須以與TensorFlow.js兼容的方式轉換模型。我們使用網絡工人在運行客戶端預測時阻止主線程被阻止。

該應用程序將圖像張量傳遞到模型上，然後為每個塑料樹脂代碼提供了概率，具有最高概率的一個概率將顯示給用戶，以及定制的建議！

回饋

訓練特定模型很難，該模型總是會弄錯事。因此，如果這樣做，我們為用戶提供了一個機會，告訴我們正確的代碼是什麼！這在幾種方面受益：

1. 用戶獲取有關如何回收其物品所需的信息
2. 我們可以看到模型在生產中的性能
3. 我們將獲得新數據（如果用戶允許我們）來培訓模型並為每個人改進該模型

當我們實施反饋循環的前端時，我們最終沒有將其連接到後端，因為它增加了複雜性和成本，我們希望該應用程序非常輕巧並完全在客戶端上運行。我們還必須與用戶清楚地通信如何使用其映像，並設置了選擇加入或選擇退出系統，這感覺有些麻煩。

信用

• Kaggle數據集 - 用於塑料代碼
• colllettivo-用於馬孔字體
• 固執 - 對於某些插圖
• Unsplash-對於圖像

使用的庫

• TensorFlow-用於訓練模型並進行預測
• React Camera Pro-相機

如果您有任何疑問或反饋，請隨時通過[email protected]與我們聯繫，直接與Alyssa或Leo聯繫！希望您發現這有用嗎？