| Revista: | Investigación e innovación en ingenierías |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000445184 |
| ISSN: | 2344-8652 |
| Autores: | Pardo Burbano, Michael1 Pinto Rodríguez, Víctor1 Muñoz Ordóñez, Julián1 |
| Instituciones: | 1Corporación Universitaria Comfacauca, Colombia |
| Año: | Barranquilla, Colombia |
| Volumen: | 9 |
| Número: | 3 |
| Paginación: | 46-56 |
| País: | Colombia |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Experimental |
| Resumen en español | Objetivo: Construir el primer prototipo de punto ecológico inteligente que asista al usuario en la correcta clasificación de residuos sólidos en punto de origen utilizando Deep Learning, aportando nuevas tecnologías que estén enfocadas en mitigar el impacto climático causado por la mala gestión de los residuos sólidos. Metodología: para el desarrollo de la investigación se implementó la metodología LEAN de Toyota y la herramienta Solid Works para diseñar un prototipo acorde a las necesidades de un punto ecológico, incluyendo un análisis estructural y pruebas de peso con el fin de medir su capacidad de resistencia. La metodología ágil aplicada para el desarrollo de la inteligencia artificial y la conformación del conjunto de imágenes fue programación extrema. Resultados y conclusiones: se construye un conjunto de datos de tres clases acorde a la resolución 2184 de 2019 de Colombia, que contiene un total de 400 muestras tomadas desde el prototipo. El modelo de clasificación utilizando una arquitectura de bajo coste computacional: MobileNet obtuvo una precisión del 97.91% en la validación y un coeficiente kappa de 0.95. El modelo entrenado se ejecuta sobre una Raspberry Pi con el fin de minimizar costos de producción. La investigación presenta una prueba de aceptación y usabilidad del prototipo |
| Resumen en inglés | Objective: To build the first prototype of a smart ecological point that assists the user in the correct classification of solid waste at the point of origin using Deep Learning, providing new technologies focused on mitigating climate impact caused by poor solid waste management. Methodology: to conduct the research, the Toyota LEAN methodology and the Solid Works tool were implemented to design a prototype according to the needs of an ecological point, including a structural analysis and weight tests in order to measure its resistance capacity. The agile methodology applied for the development of the artificial intelligence and the conformation of the set of images was extreme programming. Results and conclusions: a dataset of three classes was built according to resolution 2184 of 2019 of Colombia, containing a total of 400 samples taken from the prototype. The sorting model using a low computational cost architecture - MobileNet - obtained an accuracy of 97.91% in the validation and a kappa coefficient of 0.95. The trained model runs on a Raspberry Pi in order to minimize production costs. The research presents a test of acceptance and usability of the prototype |
| Disciplinas: | Ciencias de la computación |
| Palabras clave: | Arquitectura de computación, Clasificación de residuos, Inteligencia artificial, Redes neuronales, Pensamiento lógico |
| Keyword: | Artificial intelligence, Computing architecture, Lean thinking, Neural networks, Solid wastes |
| Texto completo: | http://revistas.unisimon.edu.co/index.php/innovacioning/article/view/5312/5326 |
