Spaces:
Running
Running
| Estou trabalhando com reaproveitamento e venda de lixo eletrônico e resíduos recicláveis, especialmente focado em carcaças de aparelhos eletrônicos (ventiladores, TVs, micro-ondas, aparelhos de som, etc). Preciso de uma aplicação com reconhecimento de imagem que me ajude a identificar os tipos de plásticos desses materiais com base em símbolos de reciclagem, códigos (ex: PP, PS, ABS, PE, etc), números (ex: 1 a 7) ou na aparência física/visual do material. Tenho dificuldades porque: • Muitos objetos têm mais de um símbolo ou não têm nenhum número visível. • Alguns têm apenas abreviações (como ABS ou PP). • Outros têm o número sem o nome do material. • Às vezes, existem múltiplos símbolos, indicando composição mista. A meta é: • Identificar corretamente o tipo de plástico. • Separar por tipo para aumentar o valor de venda. • Ter a opção de marcar peças compostas por mais de um material. • Ser alertado quando o material for composto (misturado) ou não-reciclável. Funcionalidades desejadas no software: 1. Upload ou captura de imagem da peça ou símbolo. 2. Reconhecimento visual do número e sigla plástica (ex: 5 PP, 6 PS, ABS, PE, etc). 3. Quando não houver número ou sigla, tentar inferir com base: • Na textura do material • Na aparência geral (por aprendizado de máquina) • No formato e no tipo do produto (ex: “hélice de ventilador” normalmente é PP). 4. Exibir na tela: • Nome do plástico • Código (ex: 5 - PP) • Se é reciclável ou não • Valor de mercado médio por quilo (se disponível) • Sugestão de grupo de separação (por cor ou tipo) 5. Marcar peças mistas ou compostas (ex: “PP + ABS”). 6. Permitir salvar e classificar resultados, para organizar a separação física. Exemplo de Entrada: Foto de uma tampa de ventilador com o símbolo de reciclagem e as siglas “PP” e “ABS”. Saída esperada: • “Material composto: Polipropileno (PP) e Acrilonitrila Butadieno Estireno (ABS).” • “Separar preferencialmente por tipo predominante (neste caso: PP).” • “Plástico reciclável. Valor estimado: R$1,60/kg.” Extras importantes: • O sistema deve aprender com o tempo (reforço por feedback). • Sugestão de armazenamento (ex: “guardar em caixa azul para plásticos PP”). • Mostrar imagem de referência com plásticos similares já identificados. • Permitir correção manual se a identificação estiver errada. |