ขยะต่างๆ จะนำไปทำปุ๋ย (compost) รีไซเคิล (recycle) หรือไม่สามารถทำปุ๋ยได้แล้ว (non-compost)? ข้อถกเถียงในใจของคุณอาจเกิดขึ้นมาได้เมื่อคุณกำลังเดินพร้อมกับถ้วยกาแฟในมือของคุณ ด้วยความช่วยเหลือของ Green Machine ที่พัฒนาโดยนักศึกษาที่ NVIDIA 3 คน จึงทำให้เกิดระบบที่ช่วยคัดแยกขยะตามประเภทต่างๆ ที่ซึ่งอาจจะไม่สามารถทำได้ง่ายไปกว่านี้อีกแล้ว
ภายในโรงอาหารของ NVIDIA พนักงานสามารถวางถาดจานอาหารต่างๆ ลงไปบนรถเข็นแล้ว Green Machine จะใช้ระบบ deep learning และกล้องที่มี Jetson TX2 เพื่อที่จะระบุสิ่งของแต่ละอย่างและใส่ bounding box ตามโค้ดสีลงไป ซึ่งโครงการนี้ทำให้พนักงานชาว NVIDIA นั้นมองเห็นได้ง่ายว่าจะต้องดำเนินการกับขยะอาหารกลางวันอย่างไรว่าจะส่งลงช่อง compost, recycle, non-compost หรือ reusable
ด้วยโครงข่าย multi-class ที่มีชื่อว่า EnviroNet ที่ถูกเทรนมาจากโครงข่าย SSD MobileNet V1 บนเฟรมเวิร์ก TensorFlow นั้นได้นำไป deploy บน Jetson TX2 โดยใช้ TensorRT เพื่อเพิ่มประสิทธิภาพ และจะมีโปรเจกเตอร์ตัวหนึ่งเพื่อแสดงผลลัพธ์การคัดแยกของแต่ละวัตถุลงไปบนถาดต่างๆ ขึ้นมา
โดยนักเรียนเลือกที่จะใช้กล้องที่เชื่อมต่อกับ CSI (CSI-connected camera) ซึ่งจะมีความได้เปรียบตรงที่มี GPU อย่าง Jetson TX2 เพื่อให้การทำ inference ของระบบ AI ทำได้อย่างมีประสิทธิภาพที่เพื่อตัดเวลา latency และสามารถจะให้ผลลัพธ์ได้เกือบ real time เหมือนกับการปฏิสัมพันธ์ของระบบความจริงเสมือน (augmented reality)
ทีมหวังว่า Green Machine นี้จะช่วยให้ง่ายต่อการให้ความรู้และส่งเสริมให้ผู้คนจัดการกับขยะแต่ละชิ้นได้ถูกต้อง
“มีผู้คนมากมายประหลาดใจว่าแก้วพลาสติกและอุปกรณ์พลาสติกต่างๆ นั้นควรจะต้องนำไปทำปุ๋ย” นักเรียนกล่าว “ในทุกๆ วันนั้นพวกเราเห็นว่าขยะจำนวนมากนั้นถูกนำไปทิ้งผิดที่ และพวกเราหวังว่าอุปกรณ์นี้จะทำให้ง่ายขึ้นและรวดเร็วขึ้นสำหรับผู้คนที่จัดเรียงได้อย่างถูกต้อง และช่วยให้ NVIDIA นั้นสามารถทำหน้าที่ในการลดกระบวนการฝังกลบลงไปได้”
อีกฟีเจอร์ที่สำคัญของระบบ Green Machine นั้นคือความสามารถในการถ่ายโอน โดยตั้งแต่ที่หลายๆ สิ่งที่เรียนรู้โดยใช้โครงข่ายประสาทเทียม (Neural Network) ซึ่งไม่ได้จำกัดแค่ที่ใน NVIDIA นั้นพบว่าการติดตั้งอุปกรณ์เป็นส่วนๆ นั้นสามารถที่จะนำมาสร้างขึ้นใหม่ได้ที่บ้าน ออฟฟิศ โรงเรียน ร้านค้า และอื่นๆ อีกมาก ด้วยการปรับแต่งบางอย่างสำหรับการระบุตำแหน่งของวัตถุที่ต้องการจะเพิ่มเติมเข้าไปในโครงข่ายได้
ท่านสามารถดูรายละเอียดของโครงการนี้และเครื่องมือที่ใช้ติดป้าย (label) ได้ที่ https://github.com/NVIDIA-Jetson/GreenMachine
Source : https://news.developer.nvidia.com/from-munch-to-hunch-ai-classifies-your-waste-at-lunch/