Sistema de clasificación automática de residuos sólidos basado en visión por computadora

Abstract

La gestión de residuos sólidos constituye un desafío crítico en las ciudades modernas debido a prácticas de reciclaje ineficientes, infraestructuras limitadas y la ausencia de mecanismos efectivos para clasificar materiales reciclables. Este proyecto presenta un sistema automatizado de clasificación de residuos sólidos basado en inteligencia artificial, diseñado para optimizar la eficiencia en la separación de materiales reciclables. La propuesta se centra en la clasificación de cuatro categorías principales: plástico, cartón, papel y metal, promoviendo un reciclaje más sostenible y eficiente. El prototipo integra técnicas avanzadas de aprendizaje profundo con un enfoque práctico en hardware y software, logrando una clasificación precisa de residuos sólidos. La solución incluye una cabina de clasificación, una cabina de almacenamiento y una interfaz gráfica para monitorear el proceso en tiempo real. Durante las pruebas, el sistema alcanzó tasas de eficiencia del 68 %, 100 %, 64 % y 94 % en las categorías de papel, metal, cartón y plástico, respectivamente, destacando su efectividad para superar los retos en la gestión de residuos. Con esta iniciativa, se busca ofrecer una solución escalable y sostenible que mitigue las limitaciones actuales en la gestión de residuos sólidos. Al automatizar procesos clave y reducir errores en la clasificación, el sistema contribuye a mejorar los flujos de reciclaje, fomenta una cultura de manejo responsable de residuos y respalda la transición hacia prácticas más sostenibles en entornos urbanos.

Solid waste management represents a critical challenge in modern cities due to inefficient recycling practices, limited infrastructure, and the lack of effective mechanisms for sorting and separating recyclable materials This project proposes an automated system for solid waste classification based on artificial intelligence, designed to optimize efficiency in the separation of recyclable materials. The system is designed to classify four main types of waste: plastic, cardboard, paper, and metal, contributing to a more sustainable and efficient recycling process. The prototype integrates advanced deep learning techniques with a practical approach to hardware and software construction, achieving precise classification of solid waste. The solution includes a classification cabin, a storage cabin, and a graphical interface to monitor the process in real time. During testing, the system achieved efficiency rates of 68%, 100%, 64%, and 94% for paper, metal, cardboard, and plastic categories, respectively, highlighting its effectiveness in addressing waste management challenges. This initiative aims to provide a scalable and sustainable solution to mitigate the current limitations in solid waste management. By automating key processes and reducing classification errors, the system contributes to improving recycling flows, fostering a culture of responsible waste management, and supporting the transition toward more sustainable practices in urban environments.