Project Name: EcoSort

Sound recognition-based rubbish sorting system for recycling

EcoSort는 혁신적인 음성인식 기술을 활용하여 효율적인 자동 쓰레기 분류 시스템을 개발하는 프로젝트입니다. 이 시스템은 쓰레기를 던져서 쓰레기통 윗부분에 부딪혀 만드는 소리를 인식하여 해당 쓰레기가 플라스틱, 철, 종이 중 어느 것인지 식별하고 분류하는 기능을 제공합니다.

이 프로젝트는 환경 보호를 위한 혁신적인 기술의 결합을 통해 쓰레기 처리의 효율성과 편의성을 증대시킵니다. 쓰레기 분류는 많은 사람들이 소홀히 하는 문제 중 하나입니다. 따라서 EcoSort는 이러한 문제를 해결하고자 음성인식 기술을 활용하여 쓰레기를 자동으로 분류함으로써 환경 보호 의식을 높이고 쓰레기 처리 과정을 최적화하는 것을 목표로 합니다.

시연영상 링크 👇

• 시연영상 클릭

발표자료 링크 👇

• 발표자료 ppt 클릭

프로젝트 요약

• Members

  Name	Role
  김승환	Project lead, 프로젝트를 총괄
  송인태	Embedded system , 기구및 제어 시스템을 제작하고, 펌웨어를 코딩한다.
  김용철	AI modeling, 재활용 소재에 대한 음성 인식 AI를 모델링 한다.
  김준영	AI modeling, 기구및 제어 시스템 제작.

프로젝트 마일스톤 - Gantt Chart

gantt
    dateFormat  MM-DD-YYYY
    
	
	section 기구 & 펌웨어
                기구 재료 확보 :2024-04-07, 3d
                기구 제작  : 2024-04-09, 2d
                펌웨어 구현 : 2024-04-11, 5d
    

	section 디자인 설계
                디자인 관련 자료조사 :2024-04-07, 2d
                디자인 확정 :2024-04-09, 1d

section Intergration & Test
		Intergration: 2024-04-16, 3d
		Test: 2024-04-17,3d

section Documentation & Presentation
                최종 보고서 정리 : 2024-04-20, 2d
                발표 : crit, 2024-04-22,1d

  section 음성인식 AI 구현
                모델설정 : 2024-04-09, 2d
                Data Collection : 2024-04-11, 2d
                Modelling : 2024-04-13, 3d
	         

Loading

High Level Design

<빌드> otx build --train-data-roots ./images/augmented_data_2~10pcs_2k --model EfficientNet-V2-S --workspace ./augmented_audio1 #model : EfficientNet-V2-S

<학습> otx train

• 커스텀마이징 : otx train params --learning_parameters.num_iters 8\ --learing_parameters.batch_size 1

<검증> otx eval --test-data-roots ./splitted_dataset/val --load-weight ./outputs/latest_trained_model/logs/best_epoch_16.pth

<확장> otx export --load-weight ./outputs/20240403_154732_train/models/weights.pth --output ./outputs/model/

• 학습 모델 내보내기 -> openvino.xml , openvino.bin 생성됨

otx optimzie --load-weights ./outputs/latest_trained_model/

<배포> otx deploy --load-weight ./outputs/model/openvino.xml --output ./outputs/model/

• 학습 모델 배포 -> openvino.zip 생성 -> 압축 풀면 python 폴더 생기고 demo.py 생성됨.

<실행코드> python3 demo.py --input /home/jy/workspace/dogscats/cats/cat.1094.jpg --models ../model --output resulted_images

• demo.py를 활용해 테스트 실행.