В ГУАП разработали метод идентификации ПЭТ-бутылок с помощью искусственного интеллекта
Студентка Института информационных технологий и программирования Санкт-Петербургского государственного университета аэрокосмического приборостроения Татьяна Краснова применила алгоритмы машинного обучения для идентификации и локализации бутылок из полиэтилентерефталата (ПЭТ-бутылок) на несанкционированных свалках в городской черте и за ее пределами. ПЭТ-бутылки, популярные в силу доступности и удобства, составляют весьма значительную часть всех пластиковых отходов, а их неправильная утилизация становится источником долгосрочного экологического ущерба. Поэтому разработка систем, способствующих обнаружению мусора, представляет собой приоритетную задачу.
Как показала практика, использование искусственного интеллекта позволяет значительно ускорить детекцию и последующую сортировку отходов. Разработанная Татьяной Красновой нейронная сеть оперирует средней точностью опознавания на уровне 92%. Как отмечает автор, свою эффективность подтвердила и технология RTAB-Map, обеспечивающая одновременную локализацию объекта и его фотографирование с построением карты в режиме реального времени.
В перспективе концепция предполагает полную автоматизацию процесса. Она реализуется за счет того, что робот сканирует местность на наличие отходов, параллельно нейросеть распознает классы отходов и запоминает их координаты. Далее на основе этих данных 3D-карта строится местности с отмеченными на ней элементами загрязнения. Затем второй робот получает карту от разведчика и движется в указанные точки для сбора отходов.
Созданный прототип программно-аппаратного решения для идентификации и локализации ПЭТ-бутылок на несанкционированных свалках имеет значительный потенциал для внедрения в сферу обращения с отходами и может быть интегрирован в государственные программы по ликвидации несанкционированных свалок. Как отмечает разработчик, в ближайшем будущем планируется совершенствование модели за счет интеграции дополнительных датчиков и сенсоров для повышения точности локализации робота и объекта идентификации, а также увеличение количества распознаваемых фракций отходов, что позволит расширить сферу применения и повысит эффективность экологического мониторинга.