Impulsando la Eficiencia en Reciclaje: Técnicas Avanzadas de Selección de Envases

Durante el proceso de reciclaje, una de las tareas más importantes y menos conocidas es la selección de envases. La selección de envases se realiza en plantas específicas y consiste en separar los diferentes envases (de los contenedores amarillos) según su material y naturaleza (plásticos, envases metálicos y briks, habitualmente).

Este trabajo es de suma importancia, ya que es necesario para llevar a cabo el reciclaje de estos residuos de la forma adecuada. En los últimos años, este proceso ha evolucionado, pasando de ser manual a automatizarse gracias a la mejora y auge de las tecnologías de la Industria 4.0, permitiendo así una mayor eficiencia en todo el proceso.

Tecnologías para la Selección de Envases

Durante la selección de envases, se usan diferentes tecnologías que contribuyen de forma distinta a mejorar la eficiencia y optimización de este proceso:

• Visión Artificial

  Consiste en la aplicación de diversas operaciones sobre imágenes adquiridas previamente para obtener información. Mediante este método, se pueden obtener datos como el color del objeto observado o su contorno. Usando estas técnicas es posible determinar el material del que están hechos los objetos o manipular la imagen para extraer la información más interesante para la aplicación.

• Machine Learning / Deep Learning

  Conjunto de algoritmos capaces de aprender un conjunto de características a partir de las cuales pueden extraer diversas conclusiones, como clasificar o detectar objetos. De estas técnicas destacan las redes neuronales, que simulan el comportamiento de un cerebro humano para aprender de los datos que recibe. Este método es muy útil para el proceso de selección de envases, ya que tiene un alto porcentaje de acierto en este tipo de aplicación, siendo esencial para poder separar residuos y envases en su categoría correspondiente. Se usa comúnmente en combinación con Visión Artificial al extraer información de imágenes procesadas previamente.

• Robótica

  El uso de robots colaborativos es esencial en el proceso de selección de envases, ya que permite automatizar la separación de envases de forma física según la categoría a la que pertenecen. Para realizar esta función, suele usarse en combinación con Visión Artificial y Deep Learning, que aportan la información necesaria para localizar envases y residuos, y la categoría a la que pertenecen. También pueden usarse en combinación con AGV, en caso de ser necesario transportar los objetos a otro lugar.

Proceso de Implementación de la Selección de Envases

Para establecer un método de selección fiable y adecuado para su uso en las diferentes plantas, es necesario llevar a cabo un desarrollo en el que se puedan recopilar datos y configurar las diferentes tecnologías a usar. Este proceso depende de múltiples factores: el tipo de aplicación, lugar de instalación, factores externos... Sin embargo, en casi todas las situaciones se pueden diferenciar pasos específicos a seguir:

• Recopilación de datos

  Consiste en la adquisición de la información necesaria para llevar a cabo la detección y clasificación necesarias para la aplicación. En el caso de la selección de envases, consiste en tomar imágenes y datos de los objetos mediante cámaras y sensores.

• Etiquetado

  Método con el que se indican en los datos adquiridos las características que interesa encontrar y a qué clase pertenecen. Para una aplicación de selección de envases como la propuesta, se trata de indicar en una imagen dónde están ubicados los objetos que queremos encontrar y a qué tipo pertenecen.

• Entrenamiento

  Los datos etiquetados son extraídos por el algoritmo de detección usado para que aprenda la información a detectar. Un sistema bien entrenado será capaz de extraer las características que diferencian los distintos tipos de envases y podrá localizarlos y clasificarlos para su posterior separación.

• Evaluación

  Para confirmar que el rendimiento del algoritmo entrenado es correcto, se usa con nuevos datos de los que es posible obtener métricas que califiquen objetivamente su rendimiento. Para la selección de envases, se usarán imágenes etiquetadas que no se hayan usado en el entrenamiento. Así, se verifica que se comporta en situaciones nuevas obteniendo métricas como precisión o matrices de confusión.

• Instalación

  Finalmente, una vez hecho todo lo anterior y elegido el algoritmo con mejor evaluación, el sistema se usa en el entorno real. Para ello, el algoritmo se configura según sea necesario para que devuelva la información interesante para la aplicación y se procede a usarla accordingly. Para la selección de envases, se tomarán imágenes de los residuos, el algoritmo los detectará y clasificará y enviará dicha información al sistema, que la tratará según sea necesario para proceder a la separación de los residuos correspondientes.

En ATRIA hemos desarrollado un sistema de identificación de residuos voluminosos llamado SIARA, basado en visión artificial y deep learning, que permite identificar los objetos que causan obstrucciones en las actuales plantas de separación de residuos plásticos. Este proceso es importante para que el resto de la planta funcione correctamente.

Beneficios de Usar Tecnología Industria 4.0 en la Selección de Envases

Como se mencionó, el uso de nuevas tecnologías y automatización sirve para mejorar la eficiencia en plantas de selección de envases. Esta mejora se traduce en varios beneficios:

• Posibilidad de registrar datos. Al estar todo el proceso automatizado, se pueden registrar las clasificaciones realizadas, el momento en que se hicieron, o incluso almacenar imágenes que puedan ser de interés.
• Mayor velocidad de procesamiento. Al estar todo automatizado, el sistema es capaz de realizar la clasificación mucho más rápido que una persona que tuviera que hacerlo manualmente.
• Al usar sistemas de visión, no es necesario emplear gran cantidad de personal para la tarea de identificación de residuos, independientemente de la carga de trabajo. Así, el personal puede dedicarse a otras funciones.
• Mejora continua. Al ser un sistema basado en aprendizaje, se pueden hacer cambios y mejoras fácilmente si es necesario.

¿Quieres aplicar la selección de envases en alguno de tus proyectos? ¡Contacta con nosotros!