Resumen de Implementación de redes neuronales para la clasificación de desechos dentro de un cesto inteligente

José J Pascasio G, Robinson H Mela R, María Luisa Vélez, José Carlos Rangel

• español

  Este artículo presenta la implementación de herramientas de hardware como (Raspberry Pi, cámaras, sensores, motores, controladores) y software como (redes neuronales convolucionales, aplicación móvil) para la clasificación de desechos. A futuro, la implementación del recolector y clasificador propuesto contribuirá al cuidado del ambiente y a la educación ambiental. La innovación del proyecto radica en la automatización del proceso de clasificación de desechos mediante la integración de redes neuronales, la generación de notificaciones de forma automática desde el prototipo que son transmitidas por medio del servidor web a la aplicación móvil desarrollada cuando un contenedor se encuentre lleno y la flexibilidad del prototipo de manera que puede implementarse en diversos entornos desde educativos, oficinas, industrias, entre otros. Los avances que se presentan son: Creación de una aplicación móvil que permite visualizar el nivel de los contenedores, diseño del prototipo, resultados del entrenamiento de las redes neuronales seleccionadas, evaluación de la red final con imágenes de prueba.

• English

  This article introduces the implementation of hardware tools like (Raspberry Pi, cameras, sensors, motors, drivers) and software like (convolutional neural networks, mobile app) for debris classification. In the future, the implementation of the proposed collector and classifier will contribute to caring for the environment and environmental education. The innovation of the project lies in the automation of the waste classification process through the integration of neural networks, the generation of notifications automatically from the prototype that are transmitted through the web server to the mobile application developed when a container is full. And the flexibility of the prototype so that it can be implemented in various environments from educational, office, industrial, among others. The advances that are presented are Creation of a mobile application that allows to visualize the level of the containers, design of the prototype, results of the training of the selected neural networks, evaluation of the final network with test images.