Punto ecológico automatizado para separación y clasificación de residuos a través de una neurona artificial
Palabras clave:
ML5.JS, Raspberry pi, Punto Ecológico, K-Nearest Neighbor, Cultura Ambiental, ArduinoResumen
Este trabajo tuvo como objetivo la creación de un Punto Ecológico automatizado para separar y clasificar los residuos; con el propósito de fomentar una cultura ambiental en la comunidad académica de la Universidad de Córdoba.
El proyecto se desarrolló utilizando la librería ML5.JS; la cual proporciona modelos y algoritmos de aprendizaje; que permiten crear sistemas inteligentes de aprendizaje máquina para reconocer objetos (Shiffman, 2019). Se desarrolló un sistema de reconocimiento de objetos, a través del algoritmo K-Nearest Neighbor para separar y clasificar los residuos.
En la construcción del Punto Ecológico, se utilizaron deferentes dispositivos electrónicos como: Raspberry pi, servomotores, placa Arduino, cámara web, pantalla LCD, entre otros. Finalmente se logró la interacción de todos estos dispositivos para que el sistema de reconocimiento clasifique residuos como plástico, bolsas de mecatos, papel y cartón.
Citas
Alcaldía Mayor de Bogotá D.C. (1993). LEY 99 DE 1993. Obtenido de https://www.alcaldiabogota.gov.co/sisjur/normas/Norma1.jsp?i=297
Blanco, D., García, A., Galván, C., & José, C. (2018). Comparación del nivel de precisión de los clasificadores Support Vector Machines, k Nearest Neighbors, Random Forests, Extra Trees y Gradient Boosting en el reconocimiento de actividades infantiles utilizando sonido ambiental. Research in Computing Science, 147(5), 281–290.
Diaz, C., & Caldas, J. (2018). Sistema de control automático para el reconocimiento y clasificación de residuos reciclables (plástico, vidrio, papel y metal) para un Punto Ecológico. Bogotá: Universidad Católica de Colombia - Facultad de Ingeniería. Obtenido de https://hdl.handle.net/10983/22412
DNP. (2016). CONPES 3874 - POLÍTICA NACIONAL PARA LA GESTIÓN INTEGRAL DE RESIDUOS SÓLIDOS. Bogotá.
Escalona, F. (2017). Reconocimiento de objetos y obtención de mapas 3D. Alicante: UNIVERSIDAD DE ALICANTE - Departamento de Ciencia de la Computación e Inteligencia Artificial.
Fernández, A. (2 de Octubre de 2018). Contaminación Ambiental: Definición, Tipos y Causas. Obtenido de https://www.revistaciencias.com/contaminacion-definicion-causas-tipos/
Fernández, A. (2018). Contaminación Ambiental: Definición, Tipos y Causas. Obtenido de https://www.revistaciencias.com/contaminacion-definicion-causas-tipos/#Contaminacion_por_basura_y_residuos
Gómez, J. (2017). El internet de las cosas oportunidades y desafíos. Ingeniería E Innovación, 5(1). doi:https://doi.org/10.21897/23460466.1085
Gutiérrez, L. (2015). Problemática de la educación ambiental en las instituciones educativas. Revista Científica - Universidad Francisco José de Caldas(23), 57-76. doi:10.14483/udistrital.jour.RC.2015.23.a5
Martinez, A., Rueda, C., Cardenas, O., & Nuñez, R. (2018). Software: Punto ecológico inteligente. Bucaramanga: Unidades Tecnológicas de Santander. Obtenido de http://repositorio.uts.edu.co:8080/xmlui/handle/123456789/1646
Ministerio de Ambiente. (2018). Resolución 1407 de 2018. Obtenido de http://www.andi.com.co/Uploads/RES%201407%20DE%202018.pdf
Ministerio de Ambiente. (2019). Resolución No. 2184 de 2019. Obtenido de https://www.minambiente.gov.co/images/normativa/app/resoluciones/res%202184%202019%20colores%20bolsas-41.pdf
MINVIVIENDA. (2017). Guía de Planeación Estratégica para el Manejo de Residuos Sólidos de Pequeños Municipios en Colombia. Obtenido de https://www.minvivienda.gov.co/sites/default/files/2020-07/guia-de-manejo-de-residuos-2017.pdf
Pinzón, J., Aragón, M., Correa, N., & Perdomo, P. (2017). Diseño e implementación de un prototipo de caneca inteligente para la recolección de heces caninas SUNCAN. Bogotá: Corporación Universitaria Minuto de Dios- Facultad de Ingeniería. Obtenido de http://hdl.handle.net/10656/5306
Pita, L. (2016). LÍNEA DE TIEMPO: EDUCACIÓN AMBIENTAL EN COLOMBIA. Revista Praxis, 12, 118 - 125. doi:http://dx.doi.org/10.21676/23897856.1853
RECIMED. (2017). El Punto ecológico, una motivación para aprender a reciclar. Medellín. Obtenido de https://reciclaje.com.co/blog/aprende-a-reciclar/el-punto-ecologico/
Rodríguez, M. (2018). Raspberry pi como plataforma de algoritmos de Machine Learning: Reconocimiento de imágenes y datos financieros en streaming. Sevilla : Dep. de Electrónica Escuela Técnica Superior de Ingeniería Universidad de Sevilla. Obtenido de https://core.ac.uk/reader/187420510
Ronquillo, C. (2020). Diseño de un prototipo para sistema de monitoreo del nivel de llenado en contenedores de basura por protocolo de comunicación inalámbrica IEEE 802.15.4 (Zigbee). Universidad Internacional SEK - Facultad de Arquitectura e Ingeniería. Obtenido de http://repositorio.uisek.edu.ec/handle/123456789/3851
Semana, R. (2020). El 78% de los hogares colombianos no recicla. Obtenido de https://www.semana.com/medio-ambiente/articulo/el-78-de-los-hogares-colombianos-no-recicla/44231/
Shiffman, D. (12 de 12 de 2019). Beginner's Guide to Machine Learning with ml5.js. ml5.js community. Obtenido de https://ml5js.org/community/
