Cookies op Tweakers

Tweakers maakt gebruik van cookies, onder andere om de website te analyseren, het gebruiksgemak te vergroten en advertenties te tonen. Door gebruik te maken van deze website, of door op 'Ga verder' te klikken, geef je toestemming voor het gebruik van cookies. Wil je meer informatie over cookies en hoe ze worden gebruikt, bekijk dan ons cookiebeleid.

Meer informatie

Robot met Raspberry Pi kan met TensorFlow afval leren scheiden

Door , 24 reacties

Ontwikkelaars hebben een robot gemaakt die afval kan leren scheiden met TensorFlow, de opensource library voor machine learning. De robot kan objecten herkennen en die in een van de drie bakken gooien.

De aansturing van de robot, niet veel meer dan een slider, camera en kantelbaar plateau, gebeurt met een Raspberry Pi en dankzij TensorFlow kan de machine data naar de cloud sturen om de objectherkenning te verbeteren. In de setup tonen de ontwikkelaars hoe de robot afval in de juiste bak gooit. De robot is een initiatief van Recycle.ai. De ontwikkelaars bouwen aan Rai, een robot die uit zichzelf afval kan scheiden. De ontwikkelaars hebben de broncode vooralsnog niet online gezet, waardoor we jammer genoeg nog niet zelf een afvalscheidende robot onder ons bureau kunnen zetten.

Door Arnoud Wokke

Redacteur mobile

30-03-2017 • 15:09

24 Linkedin Google+

Reacties (24)

Wijzig sortering
Leuk hobby projectje, meer niet...

Op basis van alleen RGB camera en witlicht afval scheiden gaat nooit betrouwbaar worden, veel te veel variatie in afval om een model voor te trainen.

In praktijk bestaat dit soort systemen al heel lang. Alleen dan op basis van eerst wassen en versnipperen van het afval en daarna, op basis van Eddy-currents en magnetisme metalen uitscheiden. Op basis van UV licht plastic herkennen, op basis van verhitting organische materialen (vocht verlies) onderscheiden.
In praktijk bestaat dit soort systemen al heel lang. Alleen dan op basis van eerst wassen en versnipperen van het afval (..)
Maar dat soort systemen is niet bepaald geschikt voor consumenten. Zou zoiets als dit (noemt het een proof-of-concept) niet heel nuttig kunnen zijn bij alle consumenten die op zich wel voor afvalscheiding zijn, maar het teveel moeite vinden? Zelfs als de scheiding niet perfect is dan zal het al snel vele malen beter zijn dan alles zomaar bij het restafval gooien, toch?
Alleen wel veel handiger om alles in 1 bak te gooien. Zowel voor de mensen, als het transport. 1 bak, 1x buiten zetten of wegbrengen. 1x transporteren naar 1 verwerkingsplek.
Uiteindelijk ook beter voor het milieu.
(Minder bakken en vrachtwagens nodig etc)
Dus als ze het afval goed zouden kunnen scheiden, zou dat een verbetering voor de hele keten zijn.
inderdaad. Als een straat 1 bak buitenzet voor een totaal van 10m≥, is dit veel makkelijker te verwerken dan wanneer er 10m≥ gescheiden wordt opgehaald. |:( Die eerste 10m≥ is blijkbaar kleiner om te vervoeren.

Het dubbel vervoer naar een sorteercentrum, en dan naar specifieke verwerkingscentra is ook beter voor het milieu?

Verder is in BelgiŽ de sortering van plastiek, ijzer glas bijna perfect (minder dan 10% foute fractie per afvalsoort). Gewoon door de vervuilers op te voeden. Het lijk me nog een gigantisch lange weg eer die machine het verschil kan zien tussen papier en bv papier vervuild met olie. Tussen de verschillende plastiek fracties etc.
Geef het wat tijd en ik weet zeker dat er wel systemen komen die beter zullen sorteren dan de gemiddelde mens. Ik vind het alleszins een geweldig concept. Iets om naar uit te kijken! :)
Als AI net zo goed wordt als bedrijven zoals Google ons willen laten zien, dan zou dit denk ik net zo goed afval kunnen scheiden als dat je het door een mens zou laten doen, misschien zelfs beter.

Of dat dan efficiŽnter is dan de conventionele manieren van afval scheiden zou ik niet weten.
Deeplearning etc... werkt niet zo goed als iedereen denkt...

Kijk maar eens op deze website met state of the art resultaten, typisch gaat maar 75% goed als er 100 mogelijk object typen zijn.
Lijkt me ook niet zo heel gek, gezien de kwaliteit van die plaatjes. 32x32 pixels is gewoon te weinig voor de gebruikte object-types. Om een idee te geven: groen vlak met witte rand, en daarboven een lichtblauw vlak? Dat is overduidelijk een truck...
Deeplearning etc... werkt niet zo goed als iedereen denkt...
Op sommige vlakken werkt het zelfs beter dan we denken! En het staat nog in de kinderschoenen. uiteindelijk denk ik dat een lerende computer alles kan, en beter, dan wat wij kunnen.

Als ze een algoritme kunnen schrijven, wat kanker cellen opspoort uit bloed monsters, lijkt me afval scheiden niet echt een probleem tbh.

[Reactie gewijzigd door DarkUnreal op 30 maart 2017 19:11]

Nu misschien niet, maar dat wordt steeds beter. Men is er al heel erg lang mee bezig, maar het valt gewoon niet mee om onze hersenen na te bootsen.
Kijk naar iets als Watson, die kan menselijke taal ontleden en 'begrijpen' wat er bedoeld wordt met de vraag (in het voorbeeld van Jeopardy). Zoiets was 5 jaar geleden ondenkbaar. Alleen zit er achter Watson een shitload computing power... ;)
Op mijn stagebedrijf zijn ze bezig om Watson te trainen in het ontdekken van beschadigingen in wegen, deze hebben al een redelijke succesrate. Deze krijgt ook alleen maar plaatjes.
Sinds wanneer is een Raspberry Pi een IOT board? Het is toch gewoon een mini computer met ARM processor wat Linux kan draaien? Dit bordje zit (hopelijk) niet eens aan internet vast, dus wat heeft dat met IOT te maken? Ik lees heel erg "HYPE HYPE HYPE".
waar staat eigenlijk IoT vermeld ergens?

En hij hangt aan internet, want anders kan hij het niet naar de cloud sturen om TensorFlow te laten werken

[Reactie gewijzigd door Boy op 30 maart 2017 15:16]

Niet in het artikel, maar in het toegevoegde filmpje. Rond 1.39 staat er IoT data. Lijkt me niet echt Internet of Things, maar kan er naast zitten.
Er staat inderdaad IoT data, de data die vergaard wordt door de camera wordt dus gebruikt voor de IoT database om iedereen te helpen wereldwijd zelf zon afvalscheidings database te maken/uit te breiden etc.

Gaat niet echt over de PI zelf, dat de PI zelf een IoT device is kunnen we lang over discuteren.
IoT lijkt de nieuwe discussie van of iets embedded software of niet :p
18 seconden!
owja, daar had ik overheengekeken, ik was naar de robot aan het kijken ;)
In de video.

TensorFlow kan overigens gewoon op een Pi gedraaid worden, dus hoeft niet naar de cloud (kan, maargoed, niet nodig).
Er wordt in het artikel toch niet over IoT gesproken? Van waar jouw kritiek?

[Reactie gewijzigd door DonCortizone op 30 maart 2017 15:20]

Filmpje 'using $35 IoT board'.
De aansturing van de robot, niet veel meer dan een slider, camera en kantelbaar plateau, gebeurt met een Raspberry Pi en dankzij TensorFlow kan de machine data naar de cloud sturen om de objectherkenning te verbeteren.

Blijkbaar wel internet nodig.
Ik zie geen rede om na weggooien van de banaan weer terug te gaan op de beginstand. De kans dat er nog een compostartikel langs komt is alleen maar groter en zorg dan alleen maar voor extra vertraging/slijtage.
Ook het weggooien van een foto van een banaan gaan ie waarschijnlijk de compostbak in, lijkt mij niet de goede keuze.
Gewoon een leuk studieprojectje.
Doet mij meteen denken aan Wall-E :)

Op dit item kan niet meer gereageerd worden.


Apple iPhone X Google Pixel 2 XL LG W7 Samsung Galaxy S9 Google Pixel 2 Far Cry 5 Microsoft Xbox One X Apple iPhone 8

© 1998 - 2017 de Persgroep Online Services B.V. Tweakers vormt samen met o.a. Autotrack en Hardware.Info de Persgroep Online Services B.V. Hosting door True

*