Derechos de autor 2023 Investigación e Innovación en Ingenierías

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Parámetros de caracterización en zonas urbanas para detectar residuos sólidos mediante visión artificial
Corresponding Author(s) : Crhistian Zahir Diaz Garcia
Investigación e Innovación en Ingenierías,
Vol. 11 Núm. 2 (2023): Julio - Diciembre
Resumen
Objetivo: Determinar las condiciones de adquisición de imágenes en zonas urbanas para detectar residuos sólidos mediante técnicas de visión artificial. Metodología: Se seleccionaron dos zonas urbanas, se definieron los parámetros de caracterización y se aplicaron las técnicas de segmentación por color y detectores en cascada, por último, se evaluó la eficiencia de las técnicas de detección de residuos aplicadas. Resultados: En los parámetros de caracterización para alturas de 1.5 m y 0.5 m, ángulos de inclinación de 60°y 20°, niveles de luminosidad entre 300 a 1800 Lux, se obtuvo la exactitud de la técnica de segmentación por color con valores del 71 % al 96 %, a su vez, la exactitud de la técnica de detector en cascada tuvo valores del 70 % al 96 %. Conclusiones: Se determinó que, tanto para el rendimiento de la técnica de segmentación por color como para la técnica de detector en cascada, el parámetro de caracterización que más afectó la eficiencia, es el ángulo de inclinación, obteniendo una exactitud promedio de 92.25 % y 94 % para un ángulo de 20°, mientras que, en un ángulo de 60° la exactitud promedio fue de 73 % y 76.75 %.
Palabras clave
Descargar cita
Endnote/Zotero/Mendeley (RIS)BibTeX
- V. Alvear-Puertas, P. Rosero-Montalvo, D. Peluffo-Ordóñez, y J. Pijal-Rojas, “Internet de las Cosas y Visión Artificial, Funcionamiento y Aplicaciones: Revisión de Literatura”, Enfoque UTE, vol. 8, núm. 1, pp. 244–256, 2017, DOI: https://doi.org/10.29019/enfoqueute.v8n1.121.
- A. Ceballos-Arroyo, S. Robles-Serrano, y G. Sanchez-Torres, “Remoción de lluvia en imágenes por medio de una arquitectura de autoencoder”, Investigación e Innovación en Ingenierías, vol. 8, núm. 1, pp. 140–167, mar. 2020, DOI: https://doi.org/10.17081/invinno.8.1.3608.
- S. Majchrowska et al., “Deep learning-based waste detection in natural and urban environments”, Waste Management, vol. 138, pp. 274–284, feb. 2022, DOI: https://doi.org/10.1016/j.wasman.2021.12.001.
- G. Rincón-Ramírez y C. F. Baquero-Barreto, “Método automático computacional para la detección de residuos sólidos en parques (Proyecto final de pregrado)”, Universidad Católica de Colombia. Bogotá, Colombia, 2022.
- E. S. Jeon et al., “Human detection based on the generation of a background image by using a far-infrared light camera”, Sensors (Switzerland), vol. 15, núm. 3, pp. 6763–6788, mar. 2015, DOI: 10.3390/s150306763.
- I. Adjabi, A. Ouahabi, A. Benzaoui, y A. Taleb-Ahmed, “Past, present, and future of face recognition: A review”, Electronics (Basel), vol. 9, núm. 8, pp. 1–53, ago. 2020, DOI: https://doi.org/10.3390/electronics9081188.
- R. Klinger, J. Olaya, L. Marmolejo, y C. Madera, “Plan de muestreo para la cuantificación de residuos sólidos residenciales generados en las zonas urbanas de ciudades de tamaño intermedio”, Revista Facultad de Ingeniería Universidad de Antioquia, núm. 48, pp. 76–86, 2009.
- T. M. Cárdenas-Ferrer, R. F. Santos-Herrero, A. M. Contreras-Moya, E. Rosa-Domínguez, y J. Domínguez-Núñez, “Propuesta Metodológica Para el Sistema de Gestión de los Residuos Sólidos Urbanos en Villa Clara”, Tecnología Química, vol. 39, núm. 2, pp. 471–488, 2019.
- Caracol Radio, “Habitantes piden solución al problema ambiental del canal Bogotá”. https://caracol.com.co/2023/06/21/damnificados-por-ola-invernal-de-2020-volvieron-a-protestar-frente-a-la-alcaldia-de-cucuta/ (consultado el 20 de junio de 2023).
- cucuta.gov.co, “Remueven 4 toneladas de basuras del Canal Bogotá”. https://cucuta.gov.co/remueven-4-toneladas-de-basuras-del-canal-bogota/#:~:text=Cerca%20de%204%20toneladas%20de,Veolia%20Colombia%20y%20el%20Sena. (consultado el 20 de junio de 2023).
- G. Marchena Teodoro Alberto, C. Alva Fatima del Rocio, I. Ruiz Jhoselem Danuska, L. Escobedo Jorge Luis, R. Salirrosas Juleisy Arlette, y G. Terry Piero Jesús, “Detección del uso de mascarillas mediante Visión Artificial y Redes Neuronales frente al Covid-19”, INGnosis, vol. 8, núm. 1, pp. 1–9, 2022, [En línea]. Disponible en: https://orcid.org/0000-0002-0599-0141
- A. F. Quintana-Loaiza, D. A. Herrera-Manzano, y L. E. Salazar-Múnera, “Sistema de visión artificial para conteo de objetos en movimiento”, El Hombre y la Máquina, núm. 40, pp. 87–101, 2012. Consultado: el 20 de junio de 2023. [En línea]. Disponible en: http://hdl.handle.net/10906/79557
- R. A. Castillo, I. A. Díaz-López, y M. Huertas-León, “Localización espacial de un punto en XYZ mediante visión artificial”, Ciencia e Ingeniería Neogranadina, vol. 16, núm. 1, pp. 15–27, 2006, DOI: https://doi.org/10.18359/rcin.1243.
- J. Cáceres-Tello, “La visión artificial y las operaciones morfológicas en imágenes binarias”, Una Perspectiva de la Inteligencia Artificial en su 50 Aniversario, vol. 2, pp. 570–575, 2006.
- P. Gil, F. Torres, y F. G. Ortiz-Zamora, “Detección de objetos por segmentación multinivel combinada de espacios de color”, 2004, Consultado: el 20 de junio de 2023. [En línea]. Disponible en: http://hdl.handle.net/10045/2179
- N. Velázquez-López, Y. Sasaki, K. Nakano, J. MMejía-Muñoz, y E. Romanchik-Kriuchkova, “Detección de cenicilla en rosa usando procesamiento de imágenes por computadora”, Rev Chapingo Ser Hortic, vol. 17, núm. 2, pp. 151–160, 2011, Consultado: el 19 de junio de 2023. [En línea]. Disponible en: https://www.redalyc.org/articulo.oa?id=60920970007
- J. A. Cortés-Osorio, J. A. Chaves-Osorio, y J. A. Mendoza-Vargas, “Comparación cualitativa y cuantitativa de las técnicas básicas de umbralización local para el procesamiento digital de imágenes”, Scientia et Technica, vol. 2, núm. 51, pp. 236–241, 2012, DOI: https://doi.org/10.22517/23447214.7561.
- M. Elhoseny, “Multi-object Detection and Tracking (MODT) Machine Learning Model for Real-Time Video Surveillance Systems”, Circuits Syst Signal Process, vol. 39, núm. 2, pp. 611–630, feb. 2020, DOI: https://doi.org/10.1007/s00034-019-01234-7.
- M. V. Urgilez-Jaramillo, “ Procesamiento digital de imágenes en detección de material contaminante inorgánico en orillas de lagunas (Tesis de maestría)”, Escuela Superior Politécnica de Chimborazo. Riobamba, Ecuador, 2022.
- M. A. Vivar-Olvera y E. Vásquez-Santacruz, “Desarrollo de un sistema basado en software para la identificación automática de especies marinas”, Ingeniantes, núm. 1, pp. 1–10, 2022.
- L. E. Chuquimarca-Jimenez, S. Pinzón-Tituana, y A. Rosales-Pincay, “Detección de mascarilla para COVID-19 a través de Aprendizaje Profundo usando OpenCV y Cascade Trainer GUI”, Revista Científica y Tecnológica UPSE, vol. 8, núm. 1, pp. 68–73, jun. 2021, DOI: https://doi.org/10.26423/rctu.v8i1.572.
- C. A. Ruíz Ramírez, D. M. Montoya Quintero, y J. A. Jimenez Builes, "Un Ambiente visual integrado de desarrollo para el aprendizaje de programación en robótica", Investigación e Innovación en Ingenierías, vol. 9, n.º 1, pp. 7–21, 2021. DOI: https://doi.org/10.17081/invinno.9.1.3957
- Y. Kulkarni, S. Bodkhe, A. Kamthe, y A. Patil, “Automatic number plate recognition for motorcyclists riding without helmet”, en International Conference on Current Trends towards Converging Technologies, IEEE, 2018, pp. 1–6. DOI: 10.1109/ICCTCT.2018.8551001.
Referencias
V. Alvear-Puertas, P. Rosero-Montalvo, D. Peluffo-Ordóñez, y J. Pijal-Rojas, “Internet de las Cosas y Visión Artificial, Funcionamiento y Aplicaciones: Revisión de Literatura”, Enfoque UTE, vol. 8, núm. 1, pp. 244–256, 2017, DOI: https://doi.org/10.29019/enfoqueute.v8n1.121.
A. Ceballos-Arroyo, S. Robles-Serrano, y G. Sanchez-Torres, “Remoción de lluvia en imágenes por medio de una arquitectura de autoencoder”, Investigación e Innovación en Ingenierías, vol. 8, núm. 1, pp. 140–167, mar. 2020, DOI: https://doi.org/10.17081/invinno.8.1.3608.
S. Majchrowska et al., “Deep learning-based waste detection in natural and urban environments”, Waste Management, vol. 138, pp. 274–284, feb. 2022, DOI: https://doi.org/10.1016/j.wasman.2021.12.001.
G. Rincón-Ramírez y C. F. Baquero-Barreto, “Método automático computacional para la detección de residuos sólidos en parques (Proyecto final de pregrado)”, Universidad Católica de Colombia. Bogotá, Colombia, 2022.
E. S. Jeon et al., “Human detection based on the generation of a background image by using a far-infrared light camera”, Sensors (Switzerland), vol. 15, núm. 3, pp. 6763–6788, mar. 2015, DOI: 10.3390/s150306763.
I. Adjabi, A. Ouahabi, A. Benzaoui, y A. Taleb-Ahmed, “Past, present, and future of face recognition: A review”, Electronics (Basel), vol. 9, núm. 8, pp. 1–53, ago. 2020, DOI: https://doi.org/10.3390/electronics9081188.
R. Klinger, J. Olaya, L. Marmolejo, y C. Madera, “Plan de muestreo para la cuantificación de residuos sólidos residenciales generados en las zonas urbanas de ciudades de tamaño intermedio”, Revista Facultad de Ingeniería Universidad de Antioquia, núm. 48, pp. 76–86, 2009.
T. M. Cárdenas-Ferrer, R. F. Santos-Herrero, A. M. Contreras-Moya, E. Rosa-Domínguez, y J. Domínguez-Núñez, “Propuesta Metodológica Para el Sistema de Gestión de los Residuos Sólidos Urbanos en Villa Clara”, Tecnología Química, vol. 39, núm. 2, pp. 471–488, 2019.
Caracol Radio, “Habitantes piden solución al problema ambiental del canal Bogotá”. https://caracol.com.co/2023/06/21/damnificados-por-ola-invernal-de-2020-volvieron-a-protestar-frente-a-la-alcaldia-de-cucuta/ (consultado el 20 de junio de 2023).
cucuta.gov.co, “Remueven 4 toneladas de basuras del Canal Bogotá”. https://cucuta.gov.co/remueven-4-toneladas-de-basuras-del-canal-bogota/#:~:text=Cerca%20de%204%20toneladas%20de,Veolia%20Colombia%20y%20el%20Sena. (consultado el 20 de junio de 2023).
G. Marchena Teodoro Alberto, C. Alva Fatima del Rocio, I. Ruiz Jhoselem Danuska, L. Escobedo Jorge Luis, R. Salirrosas Juleisy Arlette, y G. Terry Piero Jesús, “Detección del uso de mascarillas mediante Visión Artificial y Redes Neuronales frente al Covid-19”, INGnosis, vol. 8, núm. 1, pp. 1–9, 2022, [En línea]. Disponible en: https://orcid.org/0000-0002-0599-0141
A. F. Quintana-Loaiza, D. A. Herrera-Manzano, y L. E. Salazar-Múnera, “Sistema de visión artificial para conteo de objetos en movimiento”, El Hombre y la Máquina, núm. 40, pp. 87–101, 2012. Consultado: el 20 de junio de 2023. [En línea]. Disponible en: http://hdl.handle.net/10906/79557
R. A. Castillo, I. A. Díaz-López, y M. Huertas-León, “Localización espacial de un punto en XYZ mediante visión artificial”, Ciencia e Ingeniería Neogranadina, vol. 16, núm. 1, pp. 15–27, 2006, DOI: https://doi.org/10.18359/rcin.1243.
J. Cáceres-Tello, “La visión artificial y las operaciones morfológicas en imágenes binarias”, Una Perspectiva de la Inteligencia Artificial en su 50 Aniversario, vol. 2, pp. 570–575, 2006.
P. Gil, F. Torres, y F. G. Ortiz-Zamora, “Detección de objetos por segmentación multinivel combinada de espacios de color”, 2004, Consultado: el 20 de junio de 2023. [En línea]. Disponible en: http://hdl.handle.net/10045/2179
N. Velázquez-López, Y. Sasaki, K. Nakano, J. MMejía-Muñoz, y E. Romanchik-Kriuchkova, “Detección de cenicilla en rosa usando procesamiento de imágenes por computadora”, Rev Chapingo Ser Hortic, vol. 17, núm. 2, pp. 151–160, 2011, Consultado: el 19 de junio de 2023. [En línea]. Disponible en: https://www.redalyc.org/articulo.oa?id=60920970007
J. A. Cortés-Osorio, J. A. Chaves-Osorio, y J. A. Mendoza-Vargas, “Comparación cualitativa y cuantitativa de las técnicas básicas de umbralización local para el procesamiento digital de imágenes”, Scientia et Technica, vol. 2, núm. 51, pp. 236–241, 2012, DOI: https://doi.org/10.22517/23447214.7561.
M. Elhoseny, “Multi-object Detection and Tracking (MODT) Machine Learning Model for Real-Time Video Surveillance Systems”, Circuits Syst Signal Process, vol. 39, núm. 2, pp. 611–630, feb. 2020, DOI: https://doi.org/10.1007/s00034-019-01234-7.
M. V. Urgilez-Jaramillo, “ Procesamiento digital de imágenes en detección de material contaminante inorgánico en orillas de lagunas (Tesis de maestría)”, Escuela Superior Politécnica de Chimborazo. Riobamba, Ecuador, 2022.
M. A. Vivar-Olvera y E. Vásquez-Santacruz, “Desarrollo de un sistema basado en software para la identificación automática de especies marinas”, Ingeniantes, núm. 1, pp. 1–10, 2022.
L. E. Chuquimarca-Jimenez, S. Pinzón-Tituana, y A. Rosales-Pincay, “Detección de mascarilla para COVID-19 a través de Aprendizaje Profundo usando OpenCV y Cascade Trainer GUI”, Revista Científica y Tecnológica UPSE, vol. 8, núm. 1, pp. 68–73, jun. 2021, DOI: https://doi.org/10.26423/rctu.v8i1.572.
C. A. Ruíz Ramírez, D. M. Montoya Quintero, y J. A. Jimenez Builes, "Un Ambiente visual integrado de desarrollo para el aprendizaje de programación en robótica", Investigación e Innovación en Ingenierías, vol. 9, n.º 1, pp. 7–21, 2021. DOI: https://doi.org/10.17081/invinno.9.1.3957
Y. Kulkarni, S. Bodkhe, A. Kamthe, y A. Patil, “Automatic number plate recognition for motorcyclists riding without helmet”, en International Conference on Current Trends towards Converging Technologies, IEEE, 2018, pp. 1–6. DOI: 10.1109/ICCTCT.2018.8551001.