Técnicas de Deep Learning aplicadas a un sistema de clasificación de objetos para un recolector de residuos inteligente

Abstract

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 clasificación binaria (reciclable - no reciclable) y clasificación multiclase (plástico, vidrio, metal, papel-cartón, orgánico, no reciclable). También se realizaron pruebas utilizando modelos pre-entrenados con aprendizaje por transferencia (Transfer Learning) para comparar resultados. La implementación de estos modelos se llevó a cabo utilizando el lenguaje de programación Python, aprovechando el Framework de backend TensorFlow y la librería de alto nivel Keras. 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.