Sistema de clasificación de residuos orgánicos usando inteligencia artificial
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 desarroll...
- Autores:
-
Barceló Rueda, Gabriel Alejandro
Manzur Urueta, Juan Diego
Sierra González, Orlando David
- Tipo de recurso:
- Fecha de publicación:
- 2024
- Institución:
- Universidad del Norte
- Repositorio:
- Repositorio Uninorte
- Idioma:
- spa
- OAI Identifier:
- oai:manglar.uninorte.edu.co:10584/12975
- Acceso en línea:
- http://hdl.handle.net/10584/12975
- Palabra clave:
- Residuos orgánicos
Visión por computadora
Inteligencia artificial
YOLO
Sistema de clasificación
Reciclaje
Classification system
Organic waste
Computer vision
YOLO
Artificial intelligence
Recycling
- Rights
- License
- Universidad del Norte
| id |
REPOUNORT2_e086c2a33693b49bdefdef113ea62d49 |
|---|---|
| oai_identifier_str |
oai:manglar.uninorte.edu.co:10584/12975 |
| network_acronym_str |
REPOUNORT2 |
| network_name_str |
Repositorio Uninorte |
| repository_id_str |
|
| dc.title.es_ES.fl_str_mv |
Sistema de clasificación de residuos orgánicos usando inteligencia artificial |
| dc.title.en_US.fl_str_mv |
Organic waste classification system using artificial intelligence |
| title |
Sistema de clasificación de residuos orgánicos usando inteligencia artificial |
| spellingShingle |
Sistema de clasificación de residuos orgánicos usando inteligencia artificial Residuos orgánicos Visión por computadora Inteligencia artificial YOLO Sistema de clasificación Reciclaje Classification system Organic waste Computer vision YOLO Artificial intelligence Recycling |
| title_short |
Sistema de clasificación de residuos orgánicos usando inteligencia artificial |
| title_full |
Sistema de clasificación de residuos orgánicos usando inteligencia artificial |
| title_fullStr |
Sistema de clasificación de residuos orgánicos usando inteligencia artificial |
| title_full_unstemmed |
Sistema de clasificación de residuos orgánicos usando inteligencia artificial |
| title_sort |
Sistema de clasificación de residuos orgánicos usando inteligencia artificial |
| dc.creator.fl_str_mv |
Barceló Rueda, Gabriel Alejandro Manzur Urueta, Juan Diego Sierra González, Orlando David |
| dc.contributor.advisor.none.fl_str_mv |
Narducci Marín, Margarita Sofía |
| dc.contributor.author.none.fl_str_mv |
Barceló Rueda, Gabriel Alejandro Manzur Urueta, Juan Diego Sierra González, Orlando David |
| dc.subject.es_ES.fl_str_mv |
Residuos orgánicos Visión por computadora Inteligencia artificial YOLO Sistema de clasificación Reciclaje Classification system |
| topic |
Residuos orgánicos Visión por computadora Inteligencia artificial YOLO Sistema de clasificación Reciclaje Classification system Organic waste Computer vision YOLO Artificial intelligence Recycling |
| dc.subject.en_US.fl_str_mv |
Organic waste Computer vision YOLO Artificial intelligence Recycling |
| description |
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. |
| publishDate |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2024-11-27T19:21:15Z |
| dc.date.available.none.fl_str_mv |
2024-11-27T19:21:15Z |
| dc.date.issued.none.fl_str_mv |
2024-11-21 |
| dc.type.es_ES.fl_str_mv |
article |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/10584/12975 |
| url |
http://hdl.handle.net/10584/12975 |
| dc.language.iso.es_ES.fl_str_mv |
spa |
| language |
spa |
| dc.rights.es_ES.fl_str_mv |
Universidad del Norte |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Universidad del Norte http://purl.org/coar/access_right/c_abf2 |
| dc.publisher.es_ES.fl_str_mv |
Barranquilla, Universidad del Norte, 2024 |
| institution |
Universidad del Norte |
| bitstream.url.fl_str_mv |
https://manglar.uninorte.edu.co/bitstream/10584/12975/1/Esquema_ES.jpeg https://manglar.uninorte.edu.co/bitstream/10584/12975/2/Esquema_EN.jpeg https://manglar.uninorte.edu.co/bitstream/10584/12975/3/Esquema_ES.pdf https://manglar.uninorte.edu.co/bitstream/10584/12975/4/Esquema_EN.pdf https://manglar.uninorte.edu.co/bitstream/10584/12975/5/license.txt |
| bitstream.checksum.fl_str_mv |
d0459f470b1e7d67f534096f3a5dfa2c 3fa5bd25a2f805e9b0a510b63973ea22 648e9182a3a4472c246005ccf9a5e2aa 9e1084bdcf80e6c0d517eee5a052993e 8a4605be74aa9ea9d79846c1fba20a33 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Digital de la Universidad del Norte |
| repository.mail.fl_str_mv |
mauribe@uninorte.edu.co |
| _version_ |
1828169900791693312 |
| spelling |
Narducci Marín, Margarita SofíaBarceló Rueda, Gabriel AlejandroManzur Urueta, Juan DiegoSierra González, Orlando David2024-11-27T19:21:15Z2024-11-27T19:21:15Z2024-11-21http://hdl.handle.net/10584/12975La 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.spaBarranquilla, Universidad del Norte, 2024Universidad del Nortehttp://purl.org/coar/access_right/c_abf2Residuos orgánicosVisión por computadoraInteligencia artificialYOLOSistema de clasificaciónReciclajeClassification systemOrganic wasteComputer visionYOLOArtificial intelligenceRecyclingSistema de clasificación de residuos orgánicos usando inteligencia artificialOrganic waste classification system using artificial intelligencearticlehttp://purl.org/coar/resource_type/c_6501ORIGINALEsquema_ES.jpegEsquema_ES.jpegimage/jpeg145857https://manglar.uninorte.edu.co/bitstream/10584/12975/1/Esquema_ES.jpegd0459f470b1e7d67f534096f3a5dfa2cMD51Esquema_EN.jpegEsquema_EN.jpegimage/jpeg144600https://manglar.uninorte.edu.co/bitstream/10584/12975/2/Esquema_EN.jpeg3fa5bd25a2f805e9b0a510b63973ea22MD52Esquema_ES.pdfEsquema_ES.pdfapplication/pdf147689https://manglar.uninorte.edu.co/bitstream/10584/12975/3/Esquema_ES.pdf648e9182a3a4472c246005ccf9a5e2aaMD53Esquema_EN.pdfEsquema_EN.pdfapplication/pdf146432https://manglar.uninorte.edu.co/bitstream/10584/12975/4/Esquema_EN.pdf9e1084bdcf80e6c0d517eee5a052993eMD54LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://manglar.uninorte.edu.co/bitstream/10584/12975/5/license.txt8a4605be74aa9ea9d79846c1fba20a33MD5510584/12975oai:manglar.uninorte.edu.co:10584/129752024-11-27 14:21:15.718Repositorio Digital de la Universidad del Nortemauribe@uninorte.edu.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 |