1. 개요
팀의 아이디어에 대한 소개
Vary♻️Recycle
Vary♻️Recycle은 올바른 분리 배출을 한 사용자에게 크레딧을 제공하여 친환경적인 분리 배출을 유도하는 모바일 애플리케이션입니다.
🤔 우리가 한 분리수거, 재활용을 위한 분리수거일까?
분리 배출 비율이 높은 한국에서도 실제로 재사용 될 수 있는 페트병은 45%, 절반도 되지 않습니다. 분리배출도 중요하지만, Vary Recycle은 올바른 재활용 쓰레기 배출을 도움을 줍니다.
💰 리워드 적립 성공!
올바른 분리 배출을 위해 인증한 사용자에게는 리워드를 제공합니다! Vary Recycle은 환경을 지키는 것 뿐 아니라 사용자로 하여금 올바른 분리배출을 위한 동기를 제공하죠.
😒 이것은 어떻게 처리 해야할까요?
라벨을 제거하는 것 외에도, 어떤 처리를 해야 올바른 배출이 될지 애매할 수 있습니다. Vary Recycle은 해당 물건의 바코드 인식을 통해 어떤 방식으로 배출할 지 가이드를 제시합니다!
♻️ 환경을 지키는 소비, 함께 해요
이 앱을 설치한 스마트폰 사용자라면 누구나, 자신이 소비한 제품의 올바른 분리 배출 방법을 실행하고, 이를 사진을 통해 인증함으로써 분리 배출에 대한 보상을 받을 수 있습니다.
Roboflow universe Dataset을 통해 학습된 YOLOv5 모델을 통해, 사용자는 자신이 수행한 분리 배출의 적절성 여부를 확인하고, 보상을 얻음으로써 일상 생활 속 쓰레기 재활용에 기여해 지구 환경을 살리는 데 동참할 수 있습니다.
2. 제안 배경
선택한 주제에서 해결하고자 하는 목표가 무엇인지 또 그에 대한 계기는 무엇인가요?
OECD의 통계 발표에 따르면, 대한민국은 세계 2위의 쓰레기 재활용률을 보일 정도로 재활용과 분리 배출에 대한 의식 수준이 높은 나라입니다. 그러나 이러한 높은 통계적 수치와는 달리, 실제 국내 재활용과 분리 배출 현실은 심각합니다.
대표적인 분리 배출 대상인 페트병의 경우, 분리 배출 비율이 80%로 매우 높은 편이지만, 실제 재활용 공정을 거쳐서 재생 원료로 사용되는 비율은 분리 배출된 페트병의 약 45% 수준밖에 되지 않는다고 합니다.⁽¹⁾
이렇게 낮은 재활용률의 대표적인 원인은 플라스틱에 붙은 라벨과 같은 이물질을 처리하기 위한 공정 비용 때문입니다. 이물질을 처리하기 위해 필요한 반복적인 공정과, 공정 내 필수적인 인력을 고용하기 위한 인건비의 상승은 재활용 업체들에게 큰 비용적 부담으로 작용합니다.⁽²⁾
따라서, 이러한 재활용 업체들의 부담을 줄이고 재활용률을 높이기 위해서는 제품을 소비하는 소비자가 올바른 분리수거, 분리배출 방법을 알고 이를 시행해야 합니다.
일상생활에서 이를 수행하는 데 있어서, 소비자는 크게 두 가지 문제점를 직면합니다.
- 소비자가 재활용 대상에 대한 올바른 분리 배출 방법을 알지 못하는 경우가 많습니다.
- 분리 배출 방법을 그대로 수행하는 수고스러움은 소비자에게 피로감으로 다가갑니다.
저희 팀은 이와 같은 문제점에 주목했고, 모바일 애플리케이션을 통해 이를 해결할 방법을 고안 했습니다.
저희가 개발하는 Vary♻️Recycle 애플리케이션은 다음을 목표로 합니다.
- 분리수거 대상 제품에 따른 적절한 분리 배출 가이드라인을 제시
- 머신러닝 모델을 통해 가이드라인의 올바른 수행 여부를 인식
- 분리 배출에 따른 크레딧을 제공함으로써 소비자의 올바른 분리 배출 유도
3. 해결 및 구현 방안
제시한 주제를 어떤 구글의 기술을 활용해 어떻게 해결할 예정인가요?
1. Flutter를 이용한 Application 개발
Flutter를 이용해, 다음과 같은 Application의 기능을 구현합니다.
- 바코드 혹은 상품명 picker 등을 통해 소비한 재활용 대상 제품이 무엇인지 인식하고, 그에 따른 적절한 분리 배출 가이드를 사용자에게 안내합니다.
- 사용자는 이를 수행한 후, 가이드 대로 분리된 상태의 제품의 사진을 찍어, 서버에 전송합니다.
- 서버로부터 답변된 수행한 분리 배출의 적절성 여부를 확인합니다.
- 사용자가 소유한 크레딧을 사용합니다.
2. Firebase를 이용한 사용자 정보 관리
Firebase를 이용해 다음과 같은 사용자 정보를 관리 기능을 수행합니다.
- Firebase Authentication를 이용해 사용자 계정의 가입과 로그인 기능을 제공합니다.
- FireStore를 이용해 크레딧 정보, 분리 배출 이력 등 각종 사용자의 정보를 저장하고, 서버로부터 들어온 크레딧 정보 등의 업데이트 요청을 처리합니다.
3. Google Colab과 Tensorflow Serving를 이용한 모델 학습 및 모델 서비스
구글의 Colab과 Tensorflow를 통해 다음과 같은 기능을 수행합니다.
- Google Colab을 이용해 플라스틱, 캔, 유리병과 같은 YOLOv5 custom object detection 모델을 학습합니다.
- Tensorflow Serving을 이용한 REST API server로 머신러닝 모델을 서비스합니다.
4. 기대 효과
이 프로젝트가 어떤 문제를 해결하나요? 또 이 프로젝트를 어떻게 개선시켜나갈 계획인가요?
| 문제 해결
해당 프로젝트를 통해, 다음과 같은 사항들을 달성할 수 있습니다.
- 사용자는 재활용 대상에 대한 올바른 분리 수거, 분리 배출 방법을 학습할 수 있게 됩니다.
- 크레딧을 통해 사용자의 올바른 분리 수거, 분리 배출을 유도할 수 있습니다.
올바른 분리 배출 방법을 모르는 사용자에게 적절한 가이드와 보상을 제공함으로써 더 높은 폐기물 재활용률을 기대해 볼 수 있습니다. 뿐만 아니라 분리 배출이 비교적 활발하게 이루어지지 않는 국외에 대해서도 보상 시스템을 통해서 보다 높은 재활용률을 기대해 볼 수 있습니다.
이를 통해, 쓰레기 재활용 업체의 비용적 부담을 낮춤으로써, 사용자는 일상 생활 속 쓰레기의 재활용률을 높이고, 지구 환경을 개선하는 것에 기여할 수 있게 됩니다.
| 개선 계획
- 기업 및 지자체와의 협약 - 기업 및 지자체와 협약을 통해, 지역 내 재활용에 들어가는 소모되는 비용의 일부분을 사용자에게 제공하는 크레딧과 연결합니다. 이를 지역 화폐와 같이 쓸 수 있도록 해, 지역 공동체 내의 재활용률을 높일 뿐만 아니라 지역 내 경제 활성화에 기여합니다.
- 머신러닝 모델 개선 - 보다 다양하고 정밀한 머신러닝 모델을 학습하여, 서비스함으로써 재활용 이전에 필요한 다양한 분리 배출 작업들을 소비자가 하도록 유도하는 기능을 추가합니다.
- MLflow를 이용한 머신러닝 프로젝트 관리, 효율적인 ML Pipeline 구축 - 이 어플리케이션에서 가장 중심이 되는 기능인 머신러닝 기능을 관리하는 것은 매우 중요한 작업이 될 것입니다. 어떤 데이터를 통해 지속가능한 학습을 진행할지, 모델 버전은 어떻게 관리할지 등을 결정하는 ML Pipeline(TFX)을 구축할 계획입니다.