A gestão eficiente de resíduos sólidos é um dos principais desafios ambientais nas cidades. A variabilidade visual dos materiais descartados, objetos amassados, sujos ou parcialmente ocluídos, dificulta a automação da triagem com métodos tradicionais de visão computacional.
O TrashScan propõe o desenvolvimento de um sistema de classificação e detecção de resíduos utilizando técnicas modernas de Deep Learning. O projeto tem como foco a comparação e possível integração de arquiteturas baseadas em YOLO e Vision Transformers, avaliando seu desempenho em cenários reais de triagem.
A automação da triagem de resíduos enfrenta desafios significativos devido à alta variabilidade visual dos materiais descartados. Embalagens deformadas, resíduos contaminados, sobreposição de objetos e diferentes condições de iluminação tornam a detecção e classificação tarefas complexas.
O TrashScan busca investigar soluções baseadas em Deep Learning para:
- Detectar automaticamente resíduos em imagens
- Classificar resíduos recicláveis e não recicláveis
- Comparar arquiteturas YOLO e/ou Vision Transformers
- Avaliar desempenho em termos de precisão e latência
O projeto propõe o desenvolvimento de um pipeline modular que integre:
- Detecção de objetos
- Classificação de resíduos recicláveis e não recicláveis
- Comparação entre arquiteturas YOLO e/ou ViT
- Otimização para inferência em tempo real
(Esta seção poderá incluir futuramente um diagrama/texto ilustrativo do pipeline.)
(Instruções para configuração de ambiente, organização do dataset e execução do pipeline de treinamento e inferência.)
(Esta seção será preenchida com as descrições das arquiteturas baseadas em YOLO e Vision Transformers, bem como possíveis abordagens híbridas avaliadas durante o desenvolvimento.)
(Análise detalhada das métricas de desempenho e comparação entre abordagens utilizadas em termos de precisão e latência.)
(Planos para validação em ambiente real de triagem, expansão do dataset, integração com sistemas industriais e avaliação de arquiteturas híbridas.)
(Referências bibliográficas utilizadas durante a confecção do trabalho.)
Este projeto é desenvolvido pelos membros do RAIA Rede de Avanço de Inteligência Artificial, iniciativa estudantil do Instituto de Ciências Matemáticas e de Computação ICMC da USP São Carlos. Nosso objetivo é criar soluções inovadoras com inteligência artificial para gerar impacto positivo na sociedade.
Site: https://grupo-raia.org/
Instagram: https://instagram.com/grupo.raia