Resumen de Identificación de residuos sólidos en zonas urbanas con procesamiento de imágenes e inteligencia artificial

Danna Marcela Ortiz, Sergio Alexander Castro Casadiego, Carlos Vicente Niño Rondón, Dinael Guevara Ibarra, Byron Medina Delgado

• español

  Actualmente en Colombia, el incremento exponencial de la cantidad de residuosque cada individuo del hogar produce diariamente causa que los vertederos destinados para esto se encuentren a punto de cumplir con su vida útil, esto se debe a que un 78% de los colombianos no saben reciclar. Con el propósito de proponer una estrategia para apoyar en la solución de esta problemática, se elabora un algoritmo que tiene como propósito ayudar a las personas del sector de reciclaje, hogares e industrias con la identificación y clasificación de los residuos producidos por ellos. Este algoritmo, se realizó mediante técnicas basadas en aprendizaje profundo, en donde se encuentran tres tipos de modelos: denso, convolucional y convolucional con Drop Out. En estos modelos se aplican dos estados de activación que son sigmoidal y ReLu, y a su vez transforman imágenes de distintos tamaños a uno solo de 200x200 para una mejor lectura de los pixeles y se transforman a escalas de grises para una mejor obtención de los entrenamiento y validación de 12.872 imágenes que fueron tomadas como muestra en la ciudad de Cúcuta, Colombia.

• English

  Currently in Colombia, the exponential increase in the amount of waste that each individual household produces daily causes that the landfills destined for this purpose are about to fulfill their useful life, this is due to the fact that 78% of Colombians do not know how to recycle. With the purpose of proposing a strategy to support the solution of this problem, an algorithm is developed to help people in the recycling sector, households and industries with the identification and classification of the waste produced by them. This algorithm was developed using techniques based on deep learning, where there are three types of models: dense, convolutional, and convolutional with Drop Out. In these models two activation states are applied which are sigmoidal and ReLu, and in turn transform images of different sizes to a single 200x200 for a better reading of the pixels and are transformed to grayscales for a better obtaining of the edges. As a result, an accuracy of 80.5% is obtained, due to the training and validation of 12,872 images that were taken as a sample in the city of Cúcuta, Colombia.