Derechos de autor 2021 Investigación e Innovación en Ingenierías
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Ecologia: Inteligencia Artificial para el cuidado del medio ambiente, prototipo de clasificación de residuos sólidos en punto de origen
Corresponding Author(s) : Julián Muñoz Ordóñez
Investigación e Innovación en Ingenierías,
Vol. 9 Núm. 3 (2021): Numero especial - XVI Jornadas Iberoamericanas de Ingeniería de Software e Ingeniería del Conocimiento - JIISIC 2021
Resumen
Objetivo: Construir el primer prototipo de punto ecológico inteligente que asista al usuario en la correcta clasificación de residuos sólidos en punto de origen utilizando Deep Learning, aportando nuevas tecnologías que estén enfocadas en mitigar el impacto climático causado por la mala gestión de los residuos sólidos. Metodología: para el desarrollo de la investigación se implementó la metodología LEAN de Toyota y la herramienta Solid Works para diseñar un prototipo acorde a las necesidades de un punto ecológico, incluyendo un análisis estructural y pruebas de peso con el fin de medir su capacidad de resistencia. La metodología ágil aplicada para el desarrollo de la inteligencia artificial y la conformación del conjunto de imágenes fue programación extrema. Resultados y conclusiones: se construye un conjunto de datos de tres clases acorde a la resolución 2184 de 2019 de Colombia, que contiene un total de 400 muestras tomadas desde el prototipo. El modelo de clasificación utilizando una arquitectura de bajo coste computacional: MobileNet obtuvo una precisión del 97.91% en la validación y un coeficiente kappa de 0.95. El modelo entrenado se ejecuta sobre una Raspberry Pi con el fin de minimizar costos de producción. La investigación presenta una prueba de aceptación y usabilidad del prototipo.
Palabras clave
Descargar cita
Endnote/Zotero/Mendeley (RIS)BibTeX
- S. Kaza, L. Yao, P. Bhada-Tata y F. Van Woerden, “What a waste 2.0, a global snapshot of solid waste management to 2050,” World Bank Group, Washington, DC, 2018.
- ABRELPE, “Panorama dos resíduos sólidos no Brasil 2015,” São Paulo, 2015.
- SEMARNAT, “Informe de la situación del medio ambiente en México,” Semarnat, México, 2016.
- Superservicios, “Informe de disposición final de residuos sólidos; informe nacional - 2018,” Bogotá, 2019.
- H. N. Guo, S. B. Wu, Y. J. Tian, J. Zhang y H. T. Liu, “Application of machine learning methods for the prediction of organic solid waste treatment and recycling processes: A review,” Bioresource Technology, vol. 319, 2020.
- S. Sudha, M. Vidhyalakshmi, K. Pavithra, K. Sangeetha y V. Swaathi, “An automatic classification method for environment: Friendly waste segregation using deep learning,” IEEE TIAR, pp. 65 - 70, 2016.
- A. H. Vo, L. H. Son, M. T. Vo y T. A. Le, “A novel framework for trash classification using deep transfer learning,” IEEE Access, Volume 7, pp. 178631 - 178639, 2019.
- M. Toğaçar, B. Ergen y Z. Cömert, “Waste classification using autoencoder network with integrated feature selection method in convolutional neural network models,” Measurement, 2019.
- Z. Song, Y. Chen, Z. Yang y H. Gong, “Computer vision based two-stage waste recogniton-retrieval algorithm for waste classification,” Resources, Conservaton & Recycling, vol. 169, nº 105543, 2021.
- O. I. Funch, R. Marhaug, S. Kohtala y M. Steinert, “Detecting glass and metal in consumer trash bags during waste collection using convolutional neural networks,” Waste management, vol. 119, pp. 30 - 38, 2021.
- M. Yang y G. Thung, “Classification of trash for recyclability status,” 2016.
- P. Davis, F. Aziz, M. T. Newaz, W. Sher y L. Simon, “The classification of construction waste material using a deep convolutional neural network,” Automation in construction, vol. 122, nº 103481, 2021.
- S. H. Sunny, D. R. Dipta, S. Hossain, H. M. Faruque y E. Hossain, “Design of a convolutional neural network based smart waste disposal system,” IEEE - ICASERT, 2019.
- SolidWorks, “Comprobación del factor de seguridad,” 2020. [En línea]. Available: http://help.solidworks.com/2020/spanish/solidworks/cworks/c_factor_of_safety_check.htm.
- V. Pinto-Rodríguez, M. Pardo-Burbano y J. Muñoz-Ordóñez, EcologIA Net, Zenodo, 2020.
- CJSCANECAS, “CJSCANECAS,” [En línea]. Available: https://www.catorce6.com/actualidad-ambiental/legales/19004-el-1-de-enero-entra-en-vigencia-el-nuevo-codigo-de-colores-para-separacion-de-residuos-en-colombia. [Último acceso: 01 Junio 2021].
Referencias
S. Kaza, L. Yao, P. Bhada-Tata y F. Van Woerden, “What a waste 2.0, a global snapshot of solid waste management to 2050,” World Bank Group, Washington, DC, 2018.
ABRELPE, “Panorama dos resíduos sólidos no Brasil 2015,” São Paulo, 2015.
SEMARNAT, “Informe de la situación del medio ambiente en México,” Semarnat, México, 2016.
Superservicios, “Informe de disposición final de residuos sólidos; informe nacional - 2018,” Bogotá, 2019.
H. N. Guo, S. B. Wu, Y. J. Tian, J. Zhang y H. T. Liu, “Application of machine learning methods for the prediction of organic solid waste treatment and recycling processes: A review,” Bioresource Technology, vol. 319, 2020.
S. Sudha, M. Vidhyalakshmi, K. Pavithra, K. Sangeetha y V. Swaathi, “An automatic classification method for environment: Friendly waste segregation using deep learning,” IEEE TIAR, pp. 65 - 70, 2016.
A. H. Vo, L. H. Son, M. T. Vo y T. A. Le, “A novel framework for trash classification using deep transfer learning,” IEEE Access, Volume 7, pp. 178631 - 178639, 2019.
M. Toğaçar, B. Ergen y Z. Cömert, “Waste classification using autoencoder network with integrated feature selection method in convolutional neural network models,” Measurement, 2019.
Z. Song, Y. Chen, Z. Yang y H. Gong, “Computer vision based two-stage waste recogniton-retrieval algorithm for waste classification,” Resources, Conservaton & Recycling, vol. 169, nº 105543, 2021.
O. I. Funch, R. Marhaug, S. Kohtala y M. Steinert, “Detecting glass and metal in consumer trash bags during waste collection using convolutional neural networks,” Waste management, vol. 119, pp. 30 - 38, 2021.
M. Yang y G. Thung, “Classification of trash for recyclability status,” 2016.
P. Davis, F. Aziz, M. T. Newaz, W. Sher y L. Simon, “The classification of construction waste material using a deep convolutional neural network,” Automation in construction, vol. 122, nº 103481, 2021.
S. H. Sunny, D. R. Dipta, S. Hossain, H. M. Faruque y E. Hossain, “Design of a convolutional neural network based smart waste disposal system,” IEEE - ICASERT, 2019.
SolidWorks, “Comprobación del factor de seguridad,” 2020. [En línea]. Available: http://help.solidworks.com/2020/spanish/solidworks/cworks/c_factor_of_safety_check.htm.
V. Pinto-Rodríguez, M. Pardo-Burbano y J. Muñoz-Ordóñez, EcologIA Net, Zenodo, 2020.
CJSCANECAS, “CJSCANECAS,” [En línea]. Available: https://www.catorce6.com/actualidad-ambiental/legales/19004-el-1-de-enero-entra-en-vigencia-el-nuevo-codigo-de-colores-para-separacion-de-residuos-en-colombia. [Último acceso: 01 Junio 2021].