SIARA: Visión Artificial con IA para Identificación y Clasificación Precisa de Residuos

Hace unas semanas pudiste conocer este proyecto en nuestras RRSS y hoy te traemos una entrada dedicada a él. También puedes encontrar más detalles en su propia web.

Este proyecto surge de la necesidad, existente en plantas de selección de residuos de envases ligeros, de facilitar a los operarios la retirada de residuos voluminosos de la línea de tratamiento que, por su forma o tamaño, son perjudiciales para los posteriores procesos de selección.

Para ello, estamos creando un sistema de inteligencia artificial para la identificación y clasificación de residuos mediante visión artificial, cuyas siglas son SIARA. ¡Te lo contamos!

¿Qué es SIARA?

Es un sistema de visión artificial basado en deep learning (redes neuronales) para la detección y separación de residuos voluminosos que se encuentran en la cinta transportadora a la entrada de la planta de selección de residuos plásticos, briks o latas (del contenedor amarillo) y así evitar que la línea se atasque o dañe por dichos residuos.

Con su diseño se resolverán distintos problemas:

• Reducir el tiempo de proceso
• Minimizar costes
• Evitar tareas tediosas

Es un proyecto financiado por el Ministerio de Economía y Empresa y cofinanciado por el FEDER (Fondo Europeo de Desarrollo Regional), cuyo objetivo es reforzar la cohesión socioeconómica dentro de la Unión Europea corrigiendo desequilibrios entre sus regiones.

¿Cómo Funciona SIARA?

El sistema aprenderá a detectar los residuos que no deben retirarse y a desechar el resto mediante cámaras con diferentes sensores y un sistema de inteligencia artificial. Como dijimos, se usará deep learning para entrenar SIARA, creando una base de datos que incluirá la adquisición de imágenes y su etiquetado, un trabajo muy importante que se realizará durante las primeras fases del proyecto.

La mayoría de aplicaciones de visión artificial usan cámaras que capturan el espectro visible, colores y texturas, lo que facilita distinguir plásticos, briks y latas que pueden tener el mismo color o textura. Para mayor optimización, se estudiará el uso de cámaras multiespectrales. Asimismo, las cámaras 3D aportan profundidad y pueden ayudar a seleccionar áreas de residuos en la cinta transportadora en la imagen.

También es necesario elegir los sensores a incluir, el ordenador y la iluminación y la posición de todos los elementos en la estructura, así como el hardware que se usará para su evaluación.

En ella, una cinta transportadora recibe los residuos de entrada y los distribuye a lo largo de la planta en distintos procesos de selección. El sistema de adquisición que se va a utilizar para la captura de datos se instalará sobre esta cinta de alimentación de la línea y tomará imágenes de los residuos que entren a la planta. Este sistema se seleccionará y calibrará en los laboratorios de ATRIA.

¿Dónde se Aplica SIARA?

El entorno de prueba del proyecto será la planta de selección de envases plásticos, latas y briks titularidad de la Mancomunidad de San Marcos, en la que opera Trienekens, en Urnieta (San Sebastián).

En ella, una cinta transportadora recibe los residuos y los distribuye por la planta en diferentes procesos de selección. El sistema de adquisición que se va a utilizar para la captura de datos se instalará en esta línea sobre la cinta de alimentación y tomará imágenes de los residuos que entren a la planta. Este sistema se seleccionará y calibrará en los laboratorios de ATRIA.

Si te interesa saber más sobre nuestro proyecto, no dudes en visitar la web del propio proyecto www.siaraproject.es.

Además, puedes seguirnos en Instagram para enterarte de las últimas novedades y el desarrollo de SIARA hasta su fase final y lanzamiento. ¡Tenemos muchas ganas de contártelo cada día!

Si quieres consultarnos sobre este sistema de clasificación basado en deep learning, ¡contacta con nosotros!