Esta proposta de uso de drone para detecção de lixo propõe um treinamento de um algoritmo de inteligência artificial, usando a tecnologia de detecção de objetos YOLOv5, a partir de uma base de dados que contém imagens de lixo capturadas por drones intitulada UAVVaste.
O mecanismo é construído para capturar vídeos pelos drones, de forma a obter também os dados GPS de quaisquer lixos detectados pelos vídeos. Assim, esse mecanismo poderia constituir uma primeira etapa para um sistema de coleta de lixo automática.
Após o planejamento da rota, um drone disponível na rede IoD é escalado para identificar o lixo. Essa identificação necessita de uma base de dados treinada, no presente caso, foi utilizado o UAVVaste que contém 772 imagens capturadas por drones e 3716 anotações de lixo. As imagens foram redimensionadas e também separadas em imagens menores de 3 fileiras por 3 colunas para se obter melhores resultados, bem como foi feito, para aumento de dados, ajustes de rotação, borrão de até 0.75px e ruído em até 7% dos pixels, o que gerou uma quantidade total de 16.686 imagens. Conforme a identificação é feita, as informações são transmitidas a um sistema de nuvem.
Para treinamento do modelo, junto à tecnologia de detecção de objetos YOLOv5m, foi utilizado um drone do modelo DJI Spark, disponível no Laboratório do Ecossistema Manna, para gravação de vídeos em um gramado na Universidade Estadual de Maringá. A simulação de um cenário real gravada em vídeos foi feita a aproximadamente 2,5m de altura em relação ao solo.
Enfim, com a linguagem Python, foi criado um algoritmo para extrair dados de localização do GPS dos frames em que foi detectado lixo.
Dentre possíveis ajustes de precisão de identificação, além de aprimoramentos para detecção de lixo em outros objetos como carros e bicicletas, o desenvolvimento do trabalho demonstra o potencial da utilização da IoD em outras futuras aplicações para monitoramento ambiental, cada vez mais precisas e inovadoras.