DURCH BILDSEGMENTIERUNG VERBESSERTES RECYCLING FÜR EIN ENTSORGUNGSUNTERNEHMEN

Bild Annotation

Unser Kunde ist ein Abfallentsorger, der eine KI-Lösung entwickelte, die erkennen könnte, welche Art von Abfall in den Containern Ihrer Kunden entsorgt wird. Durch ein Zusammenspiel annotierter Bilder und Computer Vision kann festgestellt werden, was genau sich in den Containern befindet: Die Art des Abfalls, die Abfallkategorie, wie viele Artikel und andere Parameter.

Die KI-Lösung wird eingesetzt, um zu nachzuvollziehen, wie gut Recycling-Bemühungen umgesetzt sind und ob Vorgaben bei der Mülltrennung eingehalten werden. Stellt es sich beispielsweise heraus, dass gefährliche Produkte in einem Abfallbehälter eines Kunden entsorgt wurden, kann eine Warnung ausgesprochen oder ein Bußgeld verhängt werden. Darüber hinaus liefert das Tool bessere Einblicke in Abfallmanagement und stellt die Qualität wiederverwertbarer Materialien sicher, sodass bessere Produkte aus ihnen hergestellt werden können.

Der Kunde besaß Bilder von Abfällen aus verschiedenen Materialien, die klassifiziert und annotiert werden mussten. Dazu gehörten Papier, Hartplastik, Holz, Müllsäcke, Glas, Lebensmittel oder gefährliche Abfälle. Alle Abfälle, die unter diese Kategorien fallen, mussten mit einem Polygon annotiert und der entsprechenden Klasse beschriftet werden. Bildsegmentierung verlangt dem Data Annotation Team ein hohes Maß an Detailgenauigkeit und Vorbereitung ab. Die Idee war die Abfallkategorie im Data Annotation Tool des Kunden festzuhalten.

Dieser Kunde meldete sich bei uns, nachdem einer unserer langjährigen Kunden uns als Data Annotation Dienstleister empfohlen hatte. Der Kunde kannte Mindy Support auch bereits im Rahmen eines anderen Projekts, bei dem wir Daten sortiert hatten und die Ergebnisse zufriedenstellend waren. Der Kunde entschied sich unter anderem auch deshalb für Mindy Support, auch wenn es diesmal um Bildannotation ging.

Vor Projektbeginn stellten wir ein Data Annotation Team zusammen. Da wir bereits ähnliche Projekte durchgeführt hatten, konnten wir auf genügend Data Annotatoren mit Erfahrung in Bildsegmentierung zurückgreifen, sodass der benötigte Trainingsumfang sich in Grenzen hielt. Während des Projektes war das Team in der Lage, alle Abfallkategorien mit einer Genauigkeit von 98% zu beschriften, sodass ein weiterer Schritt an Qualitätskontrolle nicht notwendig war. Das lag 3% über den Anforderungen an die Genauigkeit, die der Kunde vorgegeben hatte. Der Kunde war mit den Ergebnissen sehr zufrieden und beschloss das Projekt fortzuführen, möglicherweise mit zusätzlichen Abfallkategorien, um fortschrittlichere Recyclingtechnologien in der Lösung mit abbilden zu können.

Genauigkeit von 98%, 3% mehr als vom Kunden verlangt Über zweijährige Kooperation