Sistema de clasificación de objetos para un recolector de residuos inteligente mediante visión artificial y aprendizaje profundo

BRAIAN PEZET; LUCÍA OSES; MAURO SALINA; CAPPELLETTI MARCELO; JORGE OSIO; DANIEL MARTÍN MORALES

San Miguel de Tucumán

Congreso; 11° Congreso Nacional de Ingeniería en Informática / Sistemas de Información (CoNaIISI 2023); 2023

Red de Informática/Sistemas de Información "RIISIC", del CONFEDI

Este trabajo se enfoca en el desarrollo de un sistema de clasificación de objetos para ser utilizado en un recolector de residuos inteligente, empleando técnicas de Aprendizaje Profundo (Deep Learning). Se crearon modelos de redes neuronales convolucionales (CNN) capaces de identificar distintos objetos reciclables en diferentes imágenes, en tiempo real. Se llevaron a cabo pruebas con distintos datasets y diferentes modelos. En todos los casos se realizó clasificación multiclase. En los primeros modelos se contó con aproximadamente 8000 imágenes divididas en 4 clases (plástico, vidrio, metal, papel-cartón), y para modelos posteriores se incrementó el dataset contando con más de 15000 imágenes separadas en 6 clases distintas, agregando a las anteriores las clases “orgánico” y “no-reciclable”. La implementación de estos modelos se llevó a cabo utilizando el lenguaje de programación Python, utilizando el algoritmo “You Only Look Once” (YOLO). Como parte de la validación, se probó el modelo final en una aplicación (versión beta) desarrollada en Python, utilizando una mini computadora Raspberry Pi y un módulo de cámara (picam). Este sistema permite analizar en tiempo real los fotogramas capturados por la cámara y aplicar el modelo de clasificación de manera instantánea, accediendo de esta manera a las coordenadas de dichos objetos en el fotograma para poder recolectarlos y separarlos para su posterior reciclaje.