1. 서비스 배경 및 목적

• 인공지능 모델을 통해 재활용품 이미지를 분류하는 것이 목적

2. 서비스 유사 사례 분석

• AMP Robotics: 미국의 AMP Robotics는 로봇과 인공지능 기술을 사용하여 재활용품을 자동으로 분류하는 시스템을 제공합니다. 이 회사의 시스템은 카메라 및 센서를 사용하여 재활용품을 식별하고 분류합니다.
• Sadako Technologies: 스페인의 Sadako Technologies는 컴퓨터 비전과 머신 러닝을 기반으로 한 폐기물 분류 솔루션을 개발하고 있습니다.
• Recycleye: 영국의 Recycleye는 카메라 및 딥러닝 기술을 사용하여 재활용품을 자동으로 분류하는 소프트웨어 플랫폼을 제공합니다.

3. 인공지능 모델의 입/출력

• 입력 : 재활용품 이미지
• 출력 : label

4. 데이터셋 구축 방안

• AIHub 재활용품 이미지 데이터(https://www.aihub.or.kr/aihubdata/data/view.do?currMenu=115&topMenu=100&aihubDataSe=realm&dataSetSn=71362)를 이용
• AIHub 후처리하는 코드 제공 (학습셋, 시험셋 - 랜덤시드 고정)

5. 데이터셋 구성 목표

• 학습 데이터 : 3670 장
• 시험 데이터 : 1241 장
• 학습 데이터 : 시험 데이터 = 3 : 1

6. 모델 평가 방법

• Accuracy (%)

7. 베이스라인 성능

• Accuracy  0.5181305399%

8. 서비스 구축계획 및 사용 시나리오

• 그라디오로 웹 인터페이스 구성안 (입력: 이미지 파일 업로드, 출력: label) 

9. 서비스 기대 효과

• 환경 보호: 재활용품을 올바르게 분류함으로써 폐기물의 양을 줄이고 자원을 보존할 수 있습니다. 이것은 자연 환경에 대한 부담을 감소시키고 지구 온난화와 같은 환경 문제를 완화할 수 있습니다.
• 폐기물 처리 비용 감소: 올바르게 분류된 재활용물은 재활용 공정에 쉽게 편입되어 추가 처리나 처리 비용을 줄일 수 있습니다. 이로써 도시나 기업의 폐기물 처리 비용을 감소시킬 수 있습니다.
• 시스템 효율성 증가: AI 기반 재활용품 분류 시스템은 정확성과 효율성을 향상시킵니다. 자동화된 프로세스로 인해 분류 시간이 단축되고, 실수나 오류를 최소화할 수 있습니다.
• 데이터 수집과 분석: 재활용품 분류 AI 시스템은 대량의 데이터를 수집하고 분석할 수 있습니다. 이는 폐기물 생성 패턴을 이해하고 정책 결정에 활용할 수 있는 중요한 정보를 제공합니다.