Identificación y clasificación de residuos sólidos mediante procesamiento de imágenes e inteligencia artificial
Actualmente en Colombia, el incremento exponencial de la cantidad de residuos que 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 propó...
- Autores:
-
Ortiz Fonseca , Danna marcela
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2023
- Institución:
- Universidad Francisco de Paula Santander
- Repositorio:
- Repositorio Digital UFPS
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.ufps.edu.co:ufps/6785
- Acceso en línea:
- https://repositorio.ufps.edu.co/handle/ufps/6785
- Palabra clave:
- Residuos sólidos
Aprendizaje profundo
Conjunto de datos
Detección
Residuos sólidos
Aprendizaje profundo
Convolución
Conjunto de datos
- Rights
- openAccess
- License
- Derechos Reservados - Universidad Francisco de Paula Santander, 2023
| id |
RUFPS2_fa2a6dcd09fdfb62fa47a628ff9ef9e7 |
|---|---|
| oai_identifier_str |
oai:repositorio.ufps.edu.co:ufps/6785 |
| network_acronym_str |
RUFPS2 |
| network_name_str |
Repositorio Digital UFPS |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Identificación y clasificación de residuos sólidos mediante procesamiento de imágenes e inteligencia artificial |
| title |
Identificación y clasificación de residuos sólidos mediante procesamiento de imágenes e inteligencia artificial |
| spellingShingle |
Identificación y clasificación de residuos sólidos mediante procesamiento de imágenes e inteligencia artificial Residuos sólidos Aprendizaje profundo Conjunto de datos Detección Residuos sólidos Aprendizaje profundo Convolución Conjunto de datos |
| title_short |
Identificación y clasificación de residuos sólidos mediante procesamiento de imágenes e inteligencia artificial |
| title_full |
Identificación y clasificación de residuos sólidos mediante procesamiento de imágenes e inteligencia artificial |
| title_fullStr |
Identificación y clasificación de residuos sólidos mediante procesamiento de imágenes e inteligencia artificial |
| title_full_unstemmed |
Identificación y clasificación de residuos sólidos mediante procesamiento de imágenes e inteligencia artificial |
| title_sort |
Identificación y clasificación de residuos sólidos mediante procesamiento de imágenes e inteligencia artificial |
| dc.creator.fl_str_mv |
Ortiz Fonseca , Danna marcela |
| dc.contributor.advisor.none.fl_str_mv |
Castro Casadiego, Sergio Alexander Niño , Carlos |
| dc.contributor.author.none.fl_str_mv |
Ortiz Fonseca , Danna marcela |
| dc.contributor.corporatename.spa.fl_str_mv |
Universidad Francisco de Paula Santander |
| dc.contributor.jury.none.fl_str_mv |
Ibarra Guevara, Daniel ILlera Bustos, Mario Joaquin |
| dc.subject.lemb.none.fl_str_mv |
Residuos sólidos Aprendizaje profundo Conjunto de datos |
| topic |
Residuos sólidos Aprendizaje profundo Conjunto de datos Detección Residuos sólidos Aprendizaje profundo Convolución Conjunto de datos |
| dc.subject.proposal.spa.fl_str_mv |
Detección Residuos sólidos Aprendizaje profundo Convolución Conjunto de datos |
| description |
Actualmente en Colombia, el incremento exponencial de la cantidad de residuos que 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 bordes. Como resultado, se obtienen precisiones del 81.7%, 78.9% y 78.7%, debido al entrenamiento y validación de 19.824 imágenes que fueron tomadas como muestra en la ciudad de Cúcuta, Colombia. |
| publishDate |
2023 |
| dc.date.issued.none.fl_str_mv |
2023-06-20 |
| dc.date.accessioned.none.fl_str_mv |
2024-04-02T15:48:08Z |
| dc.date.available.none.fl_str_mv |
2024-04-02T15:48:08Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.redcol.spa.fl_str_mv |
https://purl.org/redcol/resource_type/TP |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
publishedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.ufps.edu.co/handle/ufps/6785 |
| url |
https://repositorio.ufps.edu.co/handle/ufps/6785 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.rights.spa.fl_str_mv |
Derechos Reservados - Universidad Francisco de Paula Santander, 2023 |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.creativecommons.spa.fl_str_mv |
Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) |
| rights_invalid_str_mv |
Derechos Reservados - Universidad Francisco de Paula Santander, 2023 Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
116 páginas. ilustraciones,(Trabajo completo) 2.141 KB |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad Francisco de Paula Santander |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.place.spa.fl_str_mv |
San José de Cúcuta |
| dc.publisher.program.spa.fl_str_mv |
Ingeniería Electrónica |
| dc.source.spa.fl_str_mv |
http://catalogobiblioteca.ufps.edu.co/cgi-bin/koha/opac-retrieve-file.pl?id=4f76248e6d1368dbf692f577ca144fbe |
| institution |
Universidad Francisco de Paula Santander |
| bitstream.url.fl_str_mv |
https://repositorio.ufps.edu.co/bitstream/ufps/6785/1/TG_1161465%20.pdf https://repositorio.ufps.edu.co/bitstream/ufps/6785/2/license.txt https://repositorio.ufps.edu.co/bitstream/ufps/6785/3/TG_1161465%20.pdf.txt https://repositorio.ufps.edu.co/bitstream/ufps/6785/4/TG_1161465%20.pdf.jpg |
| bitstream.checksum.fl_str_mv |
5c5db13c321f3a5283772a9649a51a51 2f9959eaf5b71fae44bbf9ec84150c7a 965c4160919184c813c2499d244234c1 33414dc98f6490eb4c9441a5ee3d0310 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Universidad Francisco de Paula Santander |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1814095074888253440 |
| spelling |
Castro Casadiego, Sergio Alexandera8cbebe70818c6ca830f75f45b7f84e6600Niño , Carlos e30ab5e9f4d1e92ab16fb4f365dd4e0e600Ortiz Fonseca , Danna marcela8152641041e7bd083d2930f2f5ae7732600Universidad Francisco de Paula SantanderIbarra Guevara, DanielILlera Bustos, Mario Joaquin2024-04-02T15:48:08Z2024-04-02T15:48:08Z2023-06-20https://repositorio.ufps.edu.co/handle/ufps/6785Actualmente en Colombia, el incremento exponencial de la cantidad de residuos que 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 bordes. Como resultado, se obtienen precisiones del 81.7%, 78.9% y 78.7%, debido al entrenamiento y validación de 19.824 imágenes que fueron tomadas como muestra en la ciudad de Cúcuta, Colombia.Resumen Introducción 1. Descripción del proyecto 1.1. Planteamiento del problema 1.2. Justificación 1.2.1. Beneficios tecnológicos 1.2.2. Beneficios económicos 1.2.3. Beneficios sociales 1.2.4. Beneficios institucionales 1.3. Objetivos 1.3.1. Objetivo general 1.3.2. Objetivos específicos 1.4. Limitaciones y delimitaciones 1.4.1. Limitaciones 1.4.2. Delimitaciones 2. Marco referencial 2.1. Antecedentes 2.2. Marco teórico 2.2.1. Contaminación ambiental 15 16 18 18 19 20 20 20 21 22 22 22 23 23 23 24 24 33 33 2.2.2. Contaminación natural 33 2.2.3. Contaminación artificial 2.2.4. Clasificación de los residuos 2.2.5. Inteligencia artificial (IA) 2.2.6. Procesamiento de imágenes digitales 2.2.7. Modelamiento de Redes Neuronales 2.2.8. Librerías 2.2.9. Conjunto de datos 2.2.10. Raspberry Pi 4 2.3. Marco legal 3. Diseño metodológico 3.1. Recopilación de información 3.2. Selección de tecnologías y zonas 3.3. Diseño del algoritmo 3.4. Pruebas de funcionamiento 4. Resultados 4.1. Estado del arte y selección de tecnologías 4.2. Selección de software 4.3. Selección de la tecnología de hardware 4.4. Visión computacional para identificación y clasificación de residuos 34 34 38 38 40 45 46 47 47 49 49 49 50 50 52 52 55 59 63 4.4.1. Algoritmo propuesto para redimensión, etiquetado y cambio de canal. 64 4.4.2. Redimensión de imágenes 4.4.3. Conversión a escala de grises 4.4.4. Modelo denso 4.4.5. Modelo CNN 4.4.6. Diseño del algoritmo y pruebas de rendimiento 4.4.7. Validación de algoritmo y herramienta de hardware 4.4.8. Clasificación de imágenes 4.4.9. Aciertos en las detecciones 4.4.10. Rendimiento del sistema 5. Conclusiones 6. Recomendaciones 7. Trabajos futuros Referencias Bibliográficas 65 66 66 67 69 83 87 90 94 99 101 102 103PregradoIngeniero(a) Electrónico(a)116 páginas. ilustraciones,(Trabajo completo) 2.141 KBapplication/pdfspaUniversidad Francisco de Paula SantanderFacultad de IngenieríaSan José de CúcutaIngeniería ElectrónicaDerechos Reservados - Universidad Francisco de Paula Santander, 2023info:eu-repo/semantics/openAccessAtribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)http://purl.org/coar/access_right/c_abf2http://catalogobiblioteca.ufps.edu.co/cgi-bin/koha/opac-retrieve-file.pl?id=4f76248e6d1368dbf692f577ca144fbeIdentificación y clasificación de residuos sólidos mediante procesamiento de imágenes e inteligencia artificialTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttps://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/version/c_970fb48d4fbd8a85Residuos sólidosAprendizaje profundoConjunto de datosDetecciónResiduos sólidosAprendizaje profundoConvoluciónConjunto de datosAbdullah, L., Zulkifli, N., Liao, H., Herrera-Viedma, E., & Al-Barakati, A. (2019). An interval-valued intuitionistic fuzzy DEMATEL method combined with Choquet integral for sustainable solid waste management. Engineering Applications of Artificial Intelligence, 82, 207-215. https://doi.org/10.1016/j.engappai.2019.04.005Adedeji, O., & Wang, Z. (2019). Intelligent Waste Classification System Using Deep Learning Convolutional Neural Network. Procedia Manufacturing, 35, 607-612. https://doi.org/10.1016/j.promfg.2019.05.086Adeleke, O., Akinlabi, S. A., Jen, T.-C., & Dunmade, I. (2022). Prediction of municipal solid waste generation: an investigation of the effect of clustering techniques and parameters on ANFIS model performance. Environmental Technology, 43(11), 16341647. https://doi.org/10.1080/09593330.2020.1845819Ahmed, L., Ahmad, K., Said, N., Qolomany, B., Qadir, J., & Al-Fuqaha, A. (2020). Active Learning Based Federated Learning for Waste and Natural Disaster Image Classification. IEEE Access, 8, 208518-208531. https://doi.org/10.1109/ACCESS.2020.3038676Alberca, A. S. (2022). La librería numpy. Aprende con Alf. https://aprendeconalf.es/docencia/python/manual/numpy/Alojamientos.us.es. (2022). Procesamiento de imágenes digitales. http://alojamientos.us.es/gtocoma/pid/introduccion.htmlAndesco, A. N. de E. de S. P. y C. (2022). El 78% de los hogares colombianos no recicla. https://www.andesco.org.co/en/2020/03/02/el-78-de-los-hogares-colombianos -norecicla/Andesco.org.co. (2022). El 78% de los hogares colombianos no recicla. 104 https://www.andesco.org.co/en/2020/03/02/el-78-de-los-hogares-colombianos-norecicla/Aprende ML. (2020). ¿Cómo funcionan las convolutional neural networks? Visión por Ordenador. https://www.aprendemachinelearning.com/como-funcionan-lasconvolutional-neural-networks-vision-por-ordenador/Aral, R. A., Keskin, S. R., Kaya, M., & Haciomeroglu, M. (2018). Classification of TrashNet Dataset Based on Deep Learning Models. 2018 IEEE International Conference on Big Data (Big Data), 2058-2062. https://doi.org/10.1109/BigData.2018.8622212Arévalo, V. M., Gonzáles, J., & Ambrosio, G. (2023). La Librería de Visión Artificial OPENCV Aplicación a la docencia y la investigación. http://mapir.isa.uma.es/varevalo/drafts/arevalo2004lva1.pdfBBVA. (2022). ¿Qué es y qué tipos de contaminación ambiental existen? BBVA Noticias. https://www.bbva.com/es/sostenibilidad/que-es-y-que-tipos-de-contaminacionambiental-existen/Bobulski, J., & Kubanek, M. (2020). The triple histogram method for waste classification. 420004. https://doi.org/10.1063/5.0027020Bogota.gov.co. (2022). Reciclaje, el primer paso responsable para aprovechar la basura que generamos. https://bogota.gov.co/yo-participo/blogs/basura-en-bogota-unaresponsabilidad-de-todos-los-ciudadanos#:~:text=Cada persona produce cerca de,mal aspecto visual del entorno.Bui, T. D., Tsai, F. M., Tseng, M.-L., & Ali, M. H. (2020). Identifying sustainable solid waste management barriers in practice using the fuzzy Delphi method. Resources, Conservation and Recycling, 104625. 105 https://doi.org/10.1016/j.resconrec.2019.104625Chatzigeorgakidis, G., Karagiorgou, S., Athanasiou, S., & Skiadopoulos, S. (2018). FMLkNN: scalable machine learning on Big Data using k-nearest neighbor joins. Journal of Big Data, 5(1), 4. https://doi.org/10.1186/s40537-018-0115-xProgramadorclic.com. (2022). Clasificación de imágenes, detección de objetos, segmentación semántica, segmentación de instancias y otros conceptos. https://programmerclick.com/article/2299928720/Codificandobits. (2022). La Función de Activación. https://www.codificandobits.com/blog/funcion-de-activacion/CSN España. (2022). Clasificación de residuos radiactivos - CSN. https://www.csn.es/clasificacion-de-residuos-radiactivosDESCONT. (2022). Crisis mundial por la basura: solo el 16% de los desechos son reciclados. https://www.descont.com.co/publicaciones/noticias/crisis-mundial-por-labasura-solo-el-16-de-los-desechos-son-recicladosDiario La República. (2022). Colombia solo recicla 17% de los 12 millones de toneladas de residuos sólidos que se dan al año. https://www.larepublica.co/empresas/colombiasolo-recicla-17-de-los-12-millones-de-toneladas-de-residuos-solidos-al-ano3066464#:~:text=El reciclaje se ha convertido,1%2C8%25 del total deDíaz-Romero, D., Sterkens, W., Van den Eynde, S., Goedemé, T., Dewulf, W., & Peeters, J. (2021). Deep learning computer vision for the separation of Cast- and WroughtAluminum scrap. Resources, Conservation and Recycling, 172, 105685. https://doi.org/10.1016/j.resconrec.2021.105685DNP Colombia. (2022). Rellenos sanitarios de 321 municipios colapsarán en cinco años, advierte el DNP. https://bogota.gov.co/yo-participo/blogs/basura-en-bogota-unaresponsabilidad-de-todos-los-ciudadanos#:~:text=Cada persona produce cerca de,mal aspecto visual del entorno.Dubey, S., Singh, M. K., Singh, P., & Aggarwal, S. (2020). Waste Management of Residential Society using Machine Learning and IoT Approach. 2020 International Conference on Emerging Smart Computing and Informatics (ESCI), 293-297. https://doi.org/10.1109/ESCI48226.2020.9167526IBM. (2023). El Modelo de Redes neuronales. Neural Networks. https://www.ibm.com/docs/es/spss-modeler/saas?topic=networks-neuralmodel#:~:text=Una red neuronal es un,procesamiento se organizan en capasFerro, C., Celis Mayorga, N., & Casallas García, A. (2020). Llenado de series de datos de 2014 a 2019 de PM2.5 por medio de una red neuronal y una regresión lineal. https://doi.org/10.13140/RG.2.2.35092.53126Frost, S., Tor, B., Agrawal, R., & Forbes, A. G. (2019). CompostNet: An Image Classifier for Meal Waste. 2019 IEEE Global Humanitarian Technology Conference (GHTC), 14. https://doi.org/10.1109/GHTC46095.2019.9033130Fundación Aquae. (2022). ¿Qué es la contaminación ambiental? Aquae. https://www.fundacionaquae.org/wiki/causas-contaminacion-ambiental/Gan, B., & Zhang, C. (2020). Research on the algorithm of urban waste classification and recycling based on deep learning technology. 2020 International Conference on Computer Vision, Image and Deep Learning (CVIDL), 232-236. https://doi.org/10.1109/CVIDL51233.2020.00-95Garg, H., & Rani, D. (2022). An efficient intuitionistic fuzzy MULTIMOORA approach based on novel aggregation operators for the assessment of solid waste management techniques. Applied Intelligence, 52(4), 4330-4363. https://doi.org/10.1007/s10489021-02541-wGaur, A., Prakash, H., Anand, K., Kumar, G., & Hussain, A. (2022). Evaluation of Municipal Solid Waste Management Scenarios using Multi-Criteria Decision Making under Fuzzy Environment. Process Integration and Optimization for Sustainability, 6(2), 307-321. https://doi.org/10.1007/s41660-021-00215-1Ghasemi, M., Gorsich, D., Vantsevich, V., Moradi, L., Paldan, J., Cole, M., Goryca, J., & Singh, A. (2022). Robust Control of an Off-Road Single-Wheel Module Using Sliding Mode Control and Fuzzy Logic Control. 2022 IEEE/ASME International Conference on Advanced Intelligent Mechatronics (AIM), 730-735. https://doi.org/10.1109/AIM52237.2022.9863386González, L. (2023). ¿Qué es tensorflow? ¿Cómo funciona? Aprende IA. https://aprendeia.com/que-es-tensorflow-como-funciona/Guevara, M., Castaño, S., Guevara, P., & Contreras, D. (2021). Punto ecológico automatizado para separación y clasificación de residuos a través de una neurona artificial. Infometric@ - Serie Ingeniería, Básicas y Agrícolas, 4(1).Hesperian Health Guides. (2022). Sustancias químicas usadas en la minería. https://es.hesperian.org/hhg/A_Community_GuideHistoria de la empresa. (2022). ¿Qué es un conjunto de datos? Datos. https://historiadelaempresa.com/que-es-un-conjunto-de-datosHuynh, M.-H., Pham-Hoai, P.-T., Tran, A.-K., & Nguyen, T.-D. (2020). Automated Waste Sorting Using Convolutional Neural Network. 2020 7th NAFOSTED Conference on Information and Computer Science (NICS), 102-107. https://doi.org/10.1109/NICS51282.2020.9335897Ismail, I. N. bin, Jayakumar, P., Eqwan, M. R., Zuhdi, A. W. M., Mohamad, D., Isa, M. R., Zahari, N. M., Zawawi, M. H., Mohamed, H., Ramli, M. Z., & Mansor, M. H. (2018). Design and development of smart sorting recycle bin prototype. 020202. https://doi.org/10.1063/1.5066843Jurídico, D. (2022). Colombia debate la Ley de Responsabilidad Extendida del Productor. Diario Jurídico. Colombia debate la Ley de Responsabilidad Extendida del ProductorKeepcoding. (2022). Regularización por dropout en red convolucional. https://keepcoding.io/blog/regularizacion-dropout-red-convolucional/#:~:text=Lo que hace la regularizacion,de reaccionar ante ese patron.Keepcoding. (2023a). ¿Qué es el kernel? Keep Coding. https://keepcoding.io/blog/que-esel-kernel/Keepcoding. (2023b). ¿Qué es keras en deep learning? https://keepcoding.io/blog/kerasen-deep-learning/Keepcoding. (2023c). ¿Qué son las redes neuronales convolucionales? https://keepcoding.io/blog/redes-neuronalesconvolucionales/#Como_funciona_una_red_neuronal_convulacionalKeepcoding. (2023d). Tipos de Capas de red neuronal convolucional. https://keepcoding.io/blog/tipos-capas-red-neuronal-convolucional/Kokoulin, A. N., Uzhakov, A. A., & Tur, A. I. (2020b). The Automated Sorting Methods Modernization of Municipal Solid Waste Processing System. 2020 International Russian Automation Conference (RusAutoCon), 1074-1078. https://doi.org/10.1109/RusAutoCon49822.2020.9208039Korznikov, K. A., Kislov, D. E., Altman, J., Doležal, J., Vozmishcheva, A. S., & Krestov, P. V. (2021). Using U-Net-Like Deep Convolutional Neural Networks for Precise Tree Recognition in Very High Resolution RGB (Red, Green, Blue) Satellite Images. Forests, 12(1), 66. https://doi.org/10.3390/f12010066Li, Liu, & Wei. (2019). A Dynamic Decision Making Method Based on GM(1,1) Model with Pythagorean Fuzzy Numbers for Selecting Waste Disposal Enterprises. Sustainability, 11(20), 5557. https://doi.org/10.3390/su11205557Lifeder. (2022). 11 Beneficios del reciclaje en la sociedad. https://www.lifeder.com/beneficios-del-reciclaje/Lu, W., Chen, J., & Xue, F. (2022). Using computer vision to recognize composition of construction waste mixtures: A semantic segmentation approach. Resources, Conservation and Recycling, 178, 106022. https://doi.org/10.1016/j.resconrec.2021.106022Masud, M. H., Mourshed, M., Hossain, Md. S., Ahmed, N. U., & Dabnichki, P. (2023). Generation of waste: problem to possible solution in developing and underdeveloped nations. Waste Management and Resource Recycling in the Developing World, 21-59. https://doi.org/10.1016/B978-0-323-90463-6.00021-XMaués, L. M. F., Nascimento, B. do M. O. do, Lu, W., & Xue, F. (2020). Estimating construction waste generation in residential buildings: A fuzzy set theory approach in the Brazilian Amazon. Journal of Cleaner Production, 265, 121779. https://doi.org/10.1016/j.jclepro.2020.121779Medina, B. (2022). PDI-1| Introducción al Procesamiento Digital de Imágenes. https://bryanmed.github.io/ImagenDigital/Melinte, D. O., Travediu, A.-M., & Dumitriu, D. N. (2020). Deep Convolutional Neural 110 Networks Object Detector for Real-Time Waste Identification. Applied Sciences, 10(20), 7301. https://doi.org/10.3390/app10207301Microsoft. (2023). Uso De tensorboard para la visualización - cognitive toolkit - CNTK. Microsoft Learn. https://learn.microsoft.com/es-es/cognitive-toolkit/usingtensorboard-for-visualizationLey 09 de 1979: Medidas sanitarias sobre manejo de residuos sólidos, (1979). http://www.upme.gov.co/guia_ambiental/carbon/gestion/politica/normativ/normativ.ht mLey 99 de 1993: Sistema Nacional Ambiental, (1993). https://oscurverecicle.blogspot.com/2016/05/marco-politico-y-legal-el-tema-de.htmlMinisterio de Asuntos Económicos y transformación digital - España. (2022). 11 librerías Para Crear Visualizaciones de Datos. datos.gob.es. https://datos.gob.es/es/blog/11librerias-para-crear-visualizaciones-de-datos#:~:text=Las librerias de programacion son,resueltas previamente por otros programadores.Myers, K., & Secco, E. L. (2021). A Low-Cost Embedded Computer Vision System for the Classification of Recyclable Objects (pp. 11-30). https://doi.org/10.1007/978-981-334582-9_2Naciones Unidas. (2022). Facts and Figures. Datos y cifras. https://www.un.org/es/actnow/facts-and-figures#:~:text=Becca McChaffie%2FUnsplash.-,Residuos,de gases de efecto invernadero.Nagajyothi, D., Ali, S. A., Jyothi, V., & Chinthapalli, P. (2023). Intelligent Waste Segregation Technique Using CNN. 2023 2nd International Conference for Innovation in Technology (INOCON), 1-8.https://doi.org/10.1109/INOCON57975.2023.10101021Pachapp - Gestión integral de residuos. (2022). Residuos sólidos no peligrosos. https://pachapp.pe/blog/residuos-solidos-no-peligroso/Pandey, A., Jain, H., Raj, H., & Gupta, Prof. P. (2023). Identification and Classification of Waste using CNN in Waste Management. 2023 IEEE 8th International Conference for Convergence in Technology (I2CT), 1-6. https://doi.org/10.1109/I2CT57861.2023.10126312Pawar, K., Chen, Z., Shah, N. J., & Egan, Gary. F. (2019). A Deep Learning Framework for Transforming Image Reconstruction Into Pixel Classification. IEEE Access, 7, 177690-177702. https://doi.org/10.1109/ACCESS.2019.2959037Pinto Rodríguez, V., Muñoz Ordóñez, J., & Pardo Burbano, M. (2021). Ecologia: Inteligencia Artificial para el cuidado del medio ambiente, prototipo de clasificación de residuos sólidos en punto de origen. Investigación e Innovación en Ingenierías, 9(3), 46-56. https://doi.org/10.17081/invinno.9.3.5312Puspaningrum, A. P., Endah, S. N., Sasongko, P. S., Kusumaningrum, R., Khadijah, Rismiyati, & Ernawan, F. (2020). Waste Classification Using Support Vector Machine with SIFT-PCA Feature Extraction. 2020 4th International Conference on Informatics and Computational Sciences (ICICoS), 1-6. https://doi.org/10.1109/ICICoS51170.2020.9298982Oracle. (2022). ¿Qué es la inteligencia artificial (IA)? Oracle. https://www.oracle.com/co/artificial-intelligence/what-is-ai/Rabano, S. L., Cabatuan, M. K., Sybingco, E., Dadios, E. P., & Calilung, E. J. (2018). Common Garbage Classification Using MobileNet. 2018 IEEE 10th International Conference on Humanoid, Nanotechnology, Information Technology,Communication and Control, Environment and Management (HNICEM), 1-4. https://doi.org/10.1109/HNICEM.2018.8666300Raspberry Pi. (2023). About the Camera Modules. Raspberry. https://www.sigmaelectronica.net/producto/rpicamera/#:~:text=Cámara para Raspberry Pi.&text=El sensor óptico%2C tiene una,cuadros por segundo (fps).Recytrans. (2022). Clasificación de los residuos. https://www.recytrans.com/blog/clasificacion-de-los-residuos/Pineda, J. A. (2022). Residuos Inorgánicos. Temas de interés: Medioambiente. https://encolombia.com/medio-ambiente/interes-a/residuos-inorganicos/Rismiyati, Endah, S. N., Khadijah, & Shiddiq, I. N. (2020a). Xception Architecture Transfer Learning for Garbage Classification. 2020 4th International Conference on Informatics and Computational Sciences (ICICoS), 1-4. https://doi.org/10.1109/ICICoS51170.2020.9299017Rismiyati, Endah, S. N., Khadijah, & Shiddiq, I. N. (2020c). Xception Architecture Transfer Learning for Garbage Classification. 2020 4th International Conference on Informatics and Computational Sciences (ICICoS), 1-4. https://doi.org/10.1109/ICICoS51170.2020.9299017Saeed, M., Ahsan, M., Saeed, M. H., Mehmood, A., & El-Morsy, S. (2021). Assessment of Solid Waste Management Strategies Using an Efficient Complex Fuzzy Hypersoft Set Algorithm Based on Entropy and Similarity Measures. IEEE Access, 9, 150700150714. https://doi.org/10.1109/ACCESS.2021.3125727Safety Docs. (2022). RESIDUOS: Clasificación de residuos, reciclaje, tipos de residuos. https://www.safetydoc.es/tipos-de-residuos-definicion-y-clasifiSakr, G. E., Mokbel, M., Darwich, A., Khneisser, M. N., & Hadi, A. (2016). Comparing 113 deep learning and support vector machines for autonomous waste sorting. 2016 IEEE International Multidisciplinary Conference on Engineering Technology (IMCET), 207-212. https://doi.org/10.1109/IMCET.2016.7777453Solé, R. (2021). Raspberry Pi: Qué Es, para qué sirve y qué podemos hacer. Profesional Review. https://www.profesionalreview.com/2021/07/18/que-es-raspberry-pi/Sousa, J., Rebelo, A., & Cardoso, J. S. (2019). Automation of Waste Sorting with Deep Learning. 2019 XV Workshop de Visão Computacional (WVC), 43-48. https://doi.org/10.1109/WVC.2019.8876924Souza, P. R., Dotto, G. L., & Salau, N. P. G. (2018). Artificial neural network (ANN) and adaptive neuro-fuzzy interference system (ANFIS) modelling for nickel adsorption onto agro-wastes and commercial activated carbon. Journal of Environmental Chemical Engineering, 6(6), 7152-7160. https://doi.org/10.1016/j.jece.2018.11.013Sreelakshmi, K., Akarsh, S., Vinayakumar, R., & Soman, K. P. (2019). Capsule Neural Networks and Visualization for Segregation of Plastic and Non-Plastic Wastes. 2019 5th International Conference on Advanced Computing & Communication Systems (ICACCS), 631-636. https://doi.org/10.1109/ICACCS.2019.8728405Srinilta, C., & Kanharattanachai, S. (2019). Municipal Solid Waste Segregation with CNN. 2019 5th International Conference on Engineering, Applied Sciences and Technology (ICEAST), 1-4. https://doi.org/10.1109/ICEAST.2019.8802522Statista. (2022). Población en Colombia por departamento 2022. https://es.statista.com/estadisticas/1191612/numero-de-personas-en-colombia-pordepartamento/Sudha, S., Vidhyalakshmi, M., Pavithra, K., Sangeetha, K., & Swaathi, V. (2016b). An automatic classification method for environment: Friendly waste segregation using deep learning. 2016 IEEE Technological Innovations in ICT for Agriculture and Rural Development (TIAR), 65-70. https://doi.org/10.1109/TIAR.2016.7801215Thokrairak, S., Thibuy, K., & Jitngernmadan, P. (2020b). Valuable Waste Classification Modeling based on SSD-MobileNet. 2020 - 5th International Conference on Information Technology (InCIT), 228-232. https://doi.org/10.1109/InCIT50588.2020.9310928V, S., Akshaya, S, A., Ponnaganti, S. S., Pillai, V. G., & P K, P. (2021). Waste Collection & Segregation using Computer Vision and Convolutional Neural Network for Vessels. 2021 International Conference on Computing, Communication, and Intelligent Systems (ICCCIS), 1043-1048. https://doi.org/10.1109/ICCCIS51004.2021.9397092Velásquez, J. R., Schwartz, M., Phipps, L. M., Restrepo-Baena, O. J., Lucena, J., & Smits, K. M. (2022). A review of the environmental and health implications of recycling mine tailings for construction purposes in artisanal and small-scale mining communities. The Extractive Industries and Society, 9, 101019. https://doi.org/10.1016/j.exis.2021.101019Villena, J. (2022). Redes Neuronales Convolucionales para la Clasificación de Imágenes. Universidad Carlos III. http://www.it.uc3m.es/jvillena/irc/practicas/09-10/05mem.pdfVo, A. H., Hoang Son, L., Vo, M. T., & Le, T. (2019). A Novel Framework for Trash Classification Using Deep Transfer Learning. IEEE Access, 7, 178631-178639. https://doi.org/10.1109/ACCESS.2019.2959033VOLTA. (2022). ¿Qué son los Residuos orgánicos? ¿Cómo tratarlos? 115 https://www.voltachile.cl/residuos-organicos/Vu, D. D., & Kaddoum, G. (2017a). A waste city management system for smart cities applications. 2017 Advances in Wireless and Optical Communications (RTUWO), 225-229. https://doi.org/10.1109/RTUWO.2017.8228538Wan, M., & Wan, L. (2020). Exploring the Pathways to Participation in Household Waste Sorting in Different National Contexts: A Fuzzy-Set QCA Approach. IEEE Access, 8, 179373-179388. https://doi.org/10.1109/ACCESS.2020.3027978Wang, H. (2020). Garbage Recognition and Classification System Based on Convolutional Neural Network VGG16. 2020 3rd International Conference on Advanced Electronic Materials, Computers and Software Engineering (AEMCSE), 252-255. https://doi.org/10.1109/AEMCSE50948.2020.00061Wang, Z., Li, H., & Yang, X. (2020). Vision-based robotic system for on-site construction and demolition waste sorting and recycling. Journal of Building Engineering, 32, 101769. https://doi.org/10.1016/j.jobe.2020.101769Wu, Y., Tao, Y., Deng, Z., Zhou, J., Xu, C., & Zhang, B. (2020). A fuzzy analysis framework for waste incineration power plant comprehensive benefit evaluation from refuse classification perspective. Journal of Cleaner Production, 258, 120734. https://doi.org/10.1016/j.jclepro.2020.120734Yadav, H., Soni, U., & Kumar, G. (2023). Analysing challenges to smart waste management for a sustainable circular economy in developing countries: a fuzzy DEMATEL study. Smart and Sustainable Built Environment, 12(2), 361-384. https://doi.org/10.1108/SASBE-06-2021-0097Zhang, S., Chen, Y., Yang, Z., & Gong, H. (2021). Computer Vision Based Two-stage 116 Waste Recognition-Retrieval Algorithm for Waste Classification. Resources, Conservation and Recycling, 169, 105543. https://doi.org/10.1016/j.resconrec.2021.105543ORIGINALTG_1161465 .pdfTG_1161465 .pdfProyecto de gradoapplication/pdf2191871https://repositorio.ufps.edu.co/bitstream/ufps/6785/1/TG_1161465%20.pdf5c5db13c321f3a5283772a9649a51a51MD51open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-814828https://repositorio.ufps.edu.co/bitstream/ufps/6785/2/license.txt2f9959eaf5b71fae44bbf9ec84150c7aMD52open accessTEXTTG_1161465 .pdf.txtTG_1161465 .pdf.txtExtracted texttext/plain142867https://repositorio.ufps.edu.co/bitstream/ufps/6785/3/TG_1161465%20.pdf.txt965c4160919184c813c2499d244234c1MD53open accessTHUMBNAILTG_1161465 .pdf.jpgTG_1161465 .pdf.jpgGenerated Thumbnailimage/jpeg14618https://repositorio.ufps.edu.co/bitstream/ufps/6785/4/TG_1161465%20.pdf.jpg33414dc98f6490eb4c9441a5ee3d0310MD54open accessufps/6785oai:repositorio.ufps.edu.co:ufps/67852024-04-03 03:00:38.592open accessRepositorio Universidad Francisco de Paula Santanderbdigital@metabiblioteca.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0009-0000-0163-86298152641041e7bd083d2930f2f5ae7732600 |