Экологический проект TrashBack, стартовавший в Реутове с октября 2019 года, запускает уникальную систему разметки мусора для последующего обучения алгоритмов компьютерного зрения и повышения эффективности сортировки отходов.
Это позволит выбирать до ста процентов полезных фракций из мешков с отходами и направлять их на повторную переработку.
Функция станет доступна в приложении с 10 марта. Как сообщили «ПроРеутову» создатели проекта, они планируют собрать самую большую в мире открытую базу данных с размеченным мусором, что позволит ведущим компаниям в области искусственного интеллекта и компьютерного зрения разработать столь важные алгоритмы идентификации мусора.
— Это будет большим шагом в долгосрочном решении экологической проблемы, связанной с захоронением в России более 90% всего мусора, — сообщает команда TrashBack.
Сейчас досортировка выброшенного жителями российских городов вторичного сырья на мусоросортировочных предприятиях происходит вручную. Как правило, десять-двадцать сотрудников выбирают полезные фракции из общей массы вторсырья, которая движется по конвейерной ленте. Их объём не превышает 40-50%, а в случае со смешанными отходами составляет около 15-20%.
Лента на конвейере движется быстро, поэтому выбираются самые крупные фракции — разбирать мусор маленького размера экономически невыгодно, а ведь большинство отходов как раз составляют обёртки от продуктов питания, пищевая плёнка и другие мелкие упаковки.
— Для повышения эффективности сортировки вторсырья система должна быть автоматизирована и роботизирована, — убеждены создатели TrashBack. — Передовые страны делают первые шаги в этом направлении. В Швеции на ряде мусоросортировочных заводов работает автоматическая сортировка пакетов по цвету, в других странах внедряются системы оптической сортировки отходов с помощью инфракрасного спектра.
Первым шагом в направлении повышения эффективности сортировки, считает команда экологического проекта, является система автоматического определения типа упаковки с помощью компьютерного зрения:
— Чтобы отличать разные объекты друг от друга система должна быть обучена на большом числе положительных и отрицательных примеров. Простой пример: маленькому ребёнку сначала показывают фотографии кошек и говорят «это кошка», потом делают то же самое с изображениями собак. В итоге в голове у малыша формируются новые нейронные связи, которые позволяют по набору увиденных признаков определить, какое перед ним животное.
То же самое необходимо сделать для того, чтобы обучить систему отличать ПЭТ-бутылку от полиэтиленового пакета, упаковку тетрапак от макулатуры и так далее.
Пользователям приложения TrashBack предлагается отметить тип мусора на фото из интернета или же сфотографировать свой мусор. За каждое правильно размеченное изображение из интернета участник программы получит 1.5 бонусных балла; за фото, сделанное самим пользователем — 4 балла. Они будут зачислены на бонусный счёт сразу после валидации разметки.
Как и раньше, потратить баллы можно у компаний-партнёров проекта, в числе которых магазин продуктов для здорового питания «ВкусВилл».
Стелла Мхитарян
