MWaste: A Deep Learning Approach to Manage Household Waste

تنتج الأسر حول العالم كل يوم جبلًا متزايدًا من النفايات. ومع توسع المدن وتضخم أعداد السكان، أصبح حجم هذه النفايات ضخماً لدرجة أنه بات يشكل أزمة عالمية، حيث تشير التوقعات إلى زيادة هائلة في العقود القادلة إذا استمرت العادات الحالية. لا تكمن الصعوبة الجوهرية في الكمية فحسب، بل في الارتباك حول ما يوضع أين. فبدون طريقة واضحة لفرز القمامة، والورق، والبلاستيك، والمعادن، والزجاج، والكرتون، تنتهي المواد القيمة في مكبات النفايات، حيث تتحلل وتطلق غازات ضارة تساهم في رفع حرارة الكوكب. وبينما تستخدم بعض مراكز إعادة التدوير آلات متطورة لفرز هذه العناصر، إلا أن العملية غالبًا ما تكون مكلفة وغير مثالية. وهذا يترك فجوة تؤدي فيها الأخطاء البشرية أو نقص المعرفة إلى التخلص غير الصحيح من النفايات، مما يقوض الجهود المبذولة لحماية البيئة. ولردم هذه الفجوة، يتجه الباحثون إلى مجال تقني يُعرف باسم "الرؤية الحاسوبية"، والتي تسمح للآلات بـ "رؤية" وتفسير الصور تمامًا كما تفعل العين البشرية، مدمجة مع "التعلم العميق"، وهو أسلوب تتعلم فيه الأنظمة الحاسوبية التعرف على الأنماط من خلال دراسة كميات هائلة من الأمثلة بدلاً من اتباع قواعد جامدة ومكتوبة مسبقًا.

واستجابة لهذا التحدي، طور باحث يدعى سومان كونوار تطبيقًا للهواتف المحمولة يسمى "MWaste"، صُمم لجلب هذه القدرة المتقدمة على الفرز مباشرة إلى جيب المستخدم. كان الهدف هو إنشاء أداة يمكنها تحديد نوع النفايات التي يحملها الشخص فورًا وإخباره بكيفية التخلص منها بالضبط. وخلافًا للمحاولات السابقة التي كانت محدودة غالبًا بثلاث فئات فقط أو تتطلب أجهزة باهظة الثمن، يهدف تطبيق "MWaste" إلى التمييز بين ستة أنواع محددة من المواد: القمامة، والبلاستيك، والورق، والمعادن، والزجاج، والكرتون. يعمل النظام عن طريق التقاط صورة للعنصر، سواء من كاميرا الهاتف أو معرض الصور، وتمريرها عبر "دماغ رقمي" مدرب على التعرف على السمات البصرية الفريدة لكل مادة. وبمجرد أن يحدد التطبيق الشيء، فإنه يحسب انبعاثات الكربون المرتبطة بتلك المادة ويقدم اقتراحًا حول كيفية إدارتها، مما يحول المهمة الروتينية المملة إلى إجراء مستنير.

ولبناء هذا الدماغ الرقمي، درب الباحثون البرنامج باستخدام مجموعة كبيرة تضم أكثر من 2500 صورة لعناصر النفايات. وقد تم تصنيف هذه الصور، التي التُقطت بهواتف ذكية مختلفة وفي ظروف إضاءة متنوعة، بعناية من قبل خبراء لضمان تعلم الكمبيوتر الارتباطات الصحيحة. اختبر الفريق عدة تصميمات معمارية مختلفة للشبكة العصبية — وهي الشبكة المعقدة من الخوارزميات التي تقوم بعملية التعرف — لمعرفة أي منها يعمل بشكل أفضل. وقارنوا نماذج بأسماء مثل "Inception" و"ResNet" و"Xception"، من خلال إخضاعها لتجارب صارمة لمعرفة مدى دقتها في فرز الصور. وكشفت الاختبارات أنه بينما كانت بعض النماذج سريعة جدًا، كانت نماذج أخرى أكثر دقة. وفي النهاية، حقق النظام متوسط دقة بلغ 92 بالمائة في مجموعة الاختبار الخاصة به، مما يعني أنه حدد فئة النفايات بشكل صحيح في كل حالة تقريبًا. ويشير هذا المستوى من الدقة إلى أن التطبيق يمكنه التعامل بموثوقية مع الواقع الفوضوي للنفايات الحقيقية، حيث قد تكون العناصر مجعدة أو متسخة أو محجوبة جزئيًا.

تم تصميم التطبيق ليعمل حتى بدون اتصال بالإنترنت، مما يجعله متاحًا في المناطق ذات الإشارة الضعيفة، وإن كان الاتصال مطلوبًا لإرسال الصور التي يخطئ التطبيق في تحديدها لمزيد من الدراسة. وتعد حلقة التغذية الراجدة هذه أمرًا بالغ الأهمية؛ فإذا أخطأ التطبيق في تحديد قطعة من الزجاج على أنها بلاستيك، يمكن للمستخدم الإبلاغ عن ذلك، مما يسمي للنظام التعلم من خطئه والتحسن بمرور الوقت. وإلى جانب الفرز التقني، يقدم التطبيق طبقة من التحفيز من خلال "التلعيب" (Gamification). فبينما يحدد المستخدمون نفاياتهم ويديرونها بشكل صحيح، يكسبون نقاطًا ويمكنهم رؤية مساهمتهم الشخصية في تقليل انبعاثات الغازات الدفيئة. ويتتبع التطبيق بصمة الكربون التي تم توفيرها من خلال كل عملية تخلص صحيحة، ويربط هذه الأفعال الصغيرة بتأثير بيئي أكبر. ومن خلال مكافأة المستخدمين وتوفير بيانات واضحة، يهدف المشروع إلى تشجيع تغيير السلوك، وتحويل إدارة النفايات إلى تجربة أكثر تفاعلية وتعليمية.

يقر الباحثون بأنه على الرغم من أن النتائج الحالية واعدة، إلا أن العمل لم ينتهِ بعد. فالنظام يعد خطوة للأمام في جعل فرز النفايات متاحًا ودقيقًا، ولكن لا تزال هناك مساحة لتحسين دقة التصنيف وتوسيع نطاق تنوع العناصر التي يمكن للتطبيق التعرف عليها. يخطط الفريق للشراكة مع شركات إعادة التدوير المحلية لدمج التطبيق بشكل أعمق في البنية التحتية القائمة لإدارة النفايات والاستمرار في جمع البيانات لجعل النظام أكثر ذكاءً. ومن خلال الجمع بين قوة التعلم العميق وسهولة استخدام الهاتف المحمول، يقدم "MWaste" طريقة عملية للأفراد للمشاركة في مكافحة تغير المناخ، قطعة نفايات تلو الأخرى. إنه يحول المفهوم المجرد لخفض الكربون إلى عادة يومية ملموسة، مما يثبت أن التكنولوجيا يمكن أن تلعب دورًا هادئًا ولكن حيويًا في حل واحدة من أكثر المشكلات البيئية إلحاحًا في عالمنا.