Sistema de clasificación de residuos orgánicos usando inteligencia artificial

Abstract

La mala gestión de residuos y la poca concientización en la sociedad sobre el reciclaje, convierten esta problemática en un asunto crítico para la población mundial. La cantidad de residuos que se generan cada vez es mayor lo que perjudica significativamente al medio ambiente.

La propuesta desarrollada combina la utilización de un modelo de inteligencia artificial para el reconocimiento de desechos orgánicos en tiempo real, y un mecanismo de clasificación que separa estos residuos en dos clases: frutas y vegetales. Especificamente, el modelo fue entrenado para la detección de 6 tipos de residuos, entre los cuales se encuentran: manzanas, naranjas, limones, cebollas, tomates y pepinos.

El proyecto consta de una interfaz de detección, en la cual el modelo entrenado con YOLO, reconoce los residuos que sean ingresados al sistema. Además, cuenta con una banda transportadora y un servomotor esenciales en el proceso de clasificación, depositando los residuos en dos contenedores ubicados a un costado y al final de la banda. El modelo de clasificación logró al final del entrenamiento una precisión de 86.9%, y niveles de confianza en la clasificación que oscilan entre 0.3 y 0.55.

En resumen, el proyecto evidencia que el reciclaje y la gestión de residuos puede mejorarse notablemente utilizando modelos de visión por computadora como YOLOv5. La incorporación de un modelo ligero y preciso facilita su integración con el sistema de hardware desarrollado, permitiendo un proceso ágil y eficiente sin necesidad de un alto rendimiento computacional.

Poor waste management and the lack of awareness in society about recycling make this problem a critical issue for the world's population. The amount of waste generated is increasing, which significantly harms the environment.

The proposal developed combines the use of an artificial intelligence model for the recognition of organic waste in real time, and a classification mechanism that separates this waste into two classes: fruits and vegetables. Specifically, the model was trained for the detection of 6 types of waste, among which are: apples, oranges, lemons, onions, tomatoes and cucumbers.

The project consists of a detection interface, in which the model, trained with YOLO, recognizes the waste that enters the system. In addition, it has a conveyor belt and a servomotor essential in the sorting process, depositing the waste in two containers located at the side and at the end of the belt. The sorting model achieved at the end of training an accuracy of 86.9%, and classification confidence levels ranging from 0.3 to 0.55.

In summary, the project demonstrates that recycling and waste management can be greatly improved by using computer vision models such as YOLOv5. The incorporation of a lightweight and accurate model facilitates its integration with the developed hardware system, allowing an agile and efficient process without the need for high computational performance.