KI Anwendung

Überblick

WasteWing nutzt ein KI-System für die Erkennung illegalen Sperrmülls durch die Bilder der Drohnenkamera. Die KI wurde mit YOLOv8 trainiert.

Datensatz

Das Modell wurde mit dem Dumpsite Detection Dataset [1] trainiert.

Datensatz Charakteristiken:

• Luftaufnahmen von Abfällen und Deponien
• Annotierte Bounding Boxes für Deponie-Regionen
• Ausgelegt für Objekterkennungsaufgaben
• Enthält Variationen in Maßstab, Gelände und Lichtverhältnissen

Training

Das Modell kann mithilfe der yolo-Kommandozeilenanwendung von Ultralytics trainiert werden, wobei ein vortrainiertes Basismodell für allgemeine Objekterkennung (yolov8n.pt) verwendet wird:

yolo detect train model=yolov8n.pt data=data.yaml epochs=100 name=yolov8n_waste

Die folgende Abbildung zeigt unseren Trainingsverlauf des YOLOv8-Modells mit Verlustfunktionen sowie den Leistungskennzahlen Precision, Recall und mAP über alle Epochen.

Ablauf der Inferenz

1. Die Drohnenkamera erfasst Live-Bilder
2. Die Bilder werden an einen lokalen Computer mit dem YOLOv8-Modell gesendet
3. Die Inferenz wird mit dem YOLOv8-Modell durchgeführt
4. Deponie-Erkennungen werden zurückgegeben mit:
   • Koordinaten der Bounding Box
   • Confidence Score
5. Die Ergebnisse werden verarbeitet und entsprechende Aktionsbefehle an die Drohne zurückgegeben

Verarbeteitete Bilder könnten so aussehen:

Einschränkungen

Die Genauigkeit der Erkennung hängt von der Flughöhe und der Bildqualität ab. Außerdem kann die Leistung bei extremen Wetterbedingungen oder schlechter Sicht beeinträchtigt werden.

Datensatz Referenz

[1] Dumpsite Detection Dataset.
Work. Roboflow Universe, 2025.
Available at: https://universe.roboflow.com/work-0sor9/dumpsite-detection-vynfo
(Accessed: 2026-01-26)