Günümüzde dünya nüfusunun artışıyla birlikte kentlerde ve sanayide yüksek oranda doğal kaynak kullanılmaktadır. Bu kaynak kullanımı, beraberinde tonlarca çevresel atığın oluşmasına neden olmaktadır. Bu kirlilik, gelecek nesiller için sürdürülebilir dünyanın varlığı konusunda ciddi tehdit oluşturmaktadır. Günümüz teknolojisiyle çevresel atıkların yönetimi için derin öğrenme ve görüntü işleme tabanlı çözümleri geliştirmek mümkündür. Bu çalışmada çevresel atıklardan geri dönüşümü mümkün olanların (kağıt, plastik, metal ve cam) yerinde ve otomatik bir şekilde sınıflandırılması ve ayrıştırılması için görüntü işleme ve Raspberry Pi tabanlı akıllı çöp konteyneri prototipi gerçekleştirilmiştir. Akıllı çöp konteynerine bırakılan bir atık; i- hareket algılama sensörüyle fark edilmekte, ii- atığın fotoğrafı çekilmekte, iii- çekilen fotoğraf derin öğrenmeyle sınıflandırılmakta, iv- atığın sınıfı belirlendikten sonra adım motoru yardımıyla çöp konteynerin içindeki ilgili bölüme taşımaktadır. Bu yönüyle insan müdahalesi olamadan dönüştürülebilen çevresel atıklar yerinde ve otomatik bir şekilde ayrıştırılmaktadır. Akıllı çöp konteyneri, çevresel atıkların geri dönüşüme kazandırılması ve yönetilmesi sürecini hem maliyet hem de insan iş gücü açısından iyileştirme potansiyeline sahiptir.
Today, with the population increase in the world, natural resources are used at a high rate in cities and industry. This resource use causes the formation of tonnes of environmental waste. This pollution poses a serious threat to the existence of a sustainable world for future generations. Today, it is possible to develop deep learning and image processing based solutions for environmental waste management. In this study, an image processing and Raspberry Pi based smart garbage container prototype has been realised for on-site and automatic classification and sorting of recyclable environmental wastes (paper, plastic, metal and glass). A waste left in the smart waste container is i- motion detected by a motion detection sensor, ii- image of the waste is taken, iii- image is classified by deep learning, iv- after the class of the waste is determined, it is moved to the relevant section in the waste container with the help of a stepper motor. This approach ensures that recyclable environmental waste is separated automatically without human intervention. The smart waste container has the potential to improve the recycling and management of environmental waste, offering benefits in terms of cost-efficiency and reduced human labor requirements.
