Publicación:
Sistema automatizado para separación y clasificación de residuos a través de una neurona artificial en la Universidad de Córdoba sede Sahagún

Vista sencilla de ítem
dc.contributor.advisorGuevara Salgado, Pedro Rafael
dc.contributor.authorContreras Martínez, Dilson Eduardo
dc.contributor.authorGuevara Jaraba, Michael Josephe
dc.date.accessioned2021-07-03T00:47:50Z
dc.date.available2021-07-03T00:47:50Z
dc.date.issued2021-06-25
dc.description.abstractThe purpose of this work was to create an Ecological Spot to separate and classify the waste discarded by the students of the University of Córdoba in the municipality of Sahagún; It also seeks to promote an environmental culture among students. The project was developed using the ML5.JS library; which provides models and learning algorithms; that allow the creation of intelligent machine learning systems to recognize objects (Shiffman, 2019). An object recognition system was developed through the K-Nearest Neitghbor algorithm to separate and classify the waste. In the construction of the Ecological Spot, different electronic devices were used such as: Raspberry pi, servo motors, Arduino board, web camera, LCD screen, among others. Finally, the interaction of all these devices was achieved so that the recognition system could classify waste such as plastic, chip bags, paper and paperboard/cardboard.eng
dc.description.degreelevelPregradospa
dc.description.degreenameIngeniero(a) de Sistemasspa
dc.description.modalityTrabajo de Investigación y/o Extensiónspa
dc.description.resumenEste trabajo tuvo como propósito, la creación de un Punto Ecológico para separar y clasificar los residuos que desechan los estudiantes de la Universidad de Córdoba en el municipio de Sahagún; igualmente busca fomentar una cultura ambiental entre los estudiantes. 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 Neitghbor 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, ente otros. Finalmente se logró la interacción de todos estos dispositivos para que el sistema de reconocimiento pudiera clasificar residuos como plástico, bolsas de mecatos, papel y cartón.spa
dc.description.tableofcontentsRESUMEN........................................................................................................ 13spa
dc.description.tableofcontentsABSTRACT ...................................................................................................... 14spa
dc.description.tableofcontents1. INTRODUCCIÓN .................................................................................... 15spa
dc.description.tableofcontents2. OBJETIVOS ............................................................................................. 17spa
dc.description.tableofcontents2.1. Objetivo General ............................................................................... 17spa
dc.description.tableofcontents2.2. Objetivos Específicos......................................................................... 17spa
dc.description.tableofcontents3. REVISIÓN BIBLIOGRÁFICA............................................................... 18spa
dc.description.tableofcontents3.1. Planteamiento del problema ............................................................. 18spa
dc.description.tableofcontents3.1.1. Definición del problema ............................................................ 18spa
dc.description.tableofcontents3.1.2. Formulación del problema ........................................................ 19spa
dc.description.tableofcontents3.2. Justificación ....................................................................................... 20spa
dc.description.tableofcontents3.3. Marco teórico ..................................................................................... 22spa
dc.description.tableofcontents3.3.1. Contaminación ambiental ......................................................... 22spa
dc.description.tableofcontents3.3.2. Tipos de contaminación ............................................................. 23spa
dc.description.tableofcontents3.3.3. Clasificación y separación de residuos ..................................... 24spa
dc.description.tableofcontents3.3.4. Inteligencia artificial .................................................................. 26spa
dc.description.tableofcontents3.3.5. Reconocimiento de objetos por medio de imágenes ................ 27spa
dc.description.tableofcontents3.4. Marco conceptual .............................................................................. 30spa
dc.description.tableofcontents4. ESTADO DEL ARTE .............................................................................. 32spa
dc.description.tableofcontents4.1. Antecedentes investigativos .............................................................. 32spa
dc.description.tableofcontents5. MATERIALES Y MÉTODOS ................................................................ 35spa
dc.description.tableofcontents5.1. Diseño metodológico .......................................................................... 35spa
dc.description.tableofcontents5.1.1. Tipo de investigación ................................................................. 35spa
dc.description.tableofcontents5.1.2. Población y muestra ................................................................... 35spa
dc.description.tableofcontents5.2. Etapas o fases del diseño ................................................................... 36spa
dc.description.tableofcontents5.2.1. Fase I. Creación del prototipo................................................... 36spa
dc.description.tableofcontents5.2.2. Fase II. Diseño y desarrollo del sistema de detección de residuos 37spa
dc.description.tableofcontents5.2.3. Fase III. Pruebas de verificación de la funcionalidad ............ 45spa
dc.description.tableofcontents6. RESULTADOS Y DISCUSIONES ......................................................... 48spa
dc.description.tableofcontents7. CONCLUSIONES .................................................................................... 51spa
dc.description.tableofcontents8. RECOMENDACIONES .......................................................................... 53spa
dc.description.tableofcontents9. BIBLIOGRAFÍA ...................................................................................... 54spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.urihttps://repositorio.unicordoba.edu.co/handle/ucordoba/4226
dc.language.isospaspa
dc.publisher.facultyFacultad de Ingenieríaspa
dc.publisher.placeSahagún, Córdoba, Colombiaspa
dc.publisher.programIngeniería de Sistemasspa
dc.rightsCopyright Universidad de Córdoba, 2021spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)spa
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/spa
dc.subject.keywordsML5.JSeng
dc.subject.keywordsRaspberry pieng
dc.subject.keywordsLCDeng
dc.subject.keywordsK-nearest neitghboreng
dc.subject.proposalML5.JSspa
dc.subject.proposalRaspberry pispa
dc.subject.proposalLCDspa
dc.subject.proposalK-nearest neitghborspa
dc.titleSistema automatizado para separación y clasificación de residuos a través de una neurona artificial en la Universidad de Córdoba sede Sahagúnspa
dc.typeTrabajo de grado - Pregradospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1fspa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.type.redcolhttps://purl.org/redcol/resource_type/TPspa
dc.type.versioninfo:eu-repo/semantics/submittedVersionspa
dcterms.referencesBenavides y Medina, E. L. (2015). Sistema Basado En La Detección Y Notificación De Somnolencia En Conductores De Autos. Montería: Universidad De Córdoba.spa
dcterms.referencesBranco, A. (27 de Octubre de 2018). ¿Qué es la Inteligencia Artificial y cuáles son sus diferentes tipos? Obtenido de https://www.elespanol.com/omicrono/tecnologia/20181027/intespa
dcterms.referencesCiresan, D. M. (2010). Deep, big, simple neural nets for handwritten digit Neural computation, pág. 3207–3220.spa
dcterms.referencesCorrea et al., C. R., Pinzón Delgado, J. T., Aragón Barrero, M. A., Perdomo Santos, P. A., Alfonso Moreno, F. L., & Director. (2017).spa
dcterms.referencesEscalona, F. (2017). Reconocimiento de objetos y obtención de mapas 3D.Universidad de alicante. Máster Universitario en Automática y Robótica.spa
dcterms.referencesFernández, A. (2 de Octubre de 2018). Contaminación Ambiental: Definición, Tipos y Causas. Obtenido de https://www.revistaciencias.com/contaminacion-definicion-causas-tipos/spa
dcterms.referencesGonzález, A. (2017). ¿Qué es Machine Learning? Cleverdata. Obtenido de https://cleverdata.io/que-es-machine-learning-big-data/spa
dcterms.referencesHinton, G. E. (2012). Imagenet classification with deep convolutional neural networks. In Advances in neural information processing systems, pág. 1097–1105.spa
dcterms.referencesHuerta, J. A. (2015). Propuesta para establecer un sistema de vigilancia de contaminantes ambientales en Colombia. Instituto Nacional de Salud. Obtenido de https://www.redalyc.org/pdf/843/84340725002.pdfspa
dcterms.referencesLarsen, B. (2004). COST OF ENVIRONMENTAL DAMAGE: A Socio-Economic And Environmental Health Risk Assessment. Obtenido de shorturl.at/ikyEPspa
dcterms.referencesLeCun, Y. B. (2015). Deep learning. Nature, pág. 436–444.spa
dcterms.referencesLeonardo Javier Ibañez, M. A. (26 de Diciembre de 2013). Sistemas expertos: fundamentos, metodologías y aplicaciones. Ciencia y tecnología. doi:https://doi.org/10.18682/cyt.v1i13.122spa
dcterms.referencesMinisterio de Vivienda, g. d. (2017). Guía de Planeación para el Manejo de Residuos Sólidos de Pequeños Municipios en Colombia. Obtenido de http://www.minvivienda.gov.co/Documents/Gu%C3%ADa%20despa
dcterms.referencesMinVivienda. (2017). Guía de Manejo de Residuos . Obtenido de https://docer.com.ar/doc/n8ccse1spa
dcterms.referencesMoreno y Ronquillo, G. M. (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).spa
dcterms.referencesPope, A. (1994). Model-based object recognition. A Survey of Recent Tecniques. Technical Report.spa
dcterms.referencesProfesional, R. (19 de Febreo de 2021). Residuos profesional. Obtenido de https://www.residuosprofesional.com/residuos-urbanos-ue-2019/spa
dcterms.referencesRaffino, M. E. (13 de Febreo de 2013). Conceptos de Software. Obtenido de https://concepto.de/software/#ixzz6Lax9C12vspa
dcterms.referencesRodríguez González, M. J. (2018). Raspberry pi como plataforma de algoritmos de Machine Learning: reconocimiento de imágenes y datos financieros en streaming. Sevilla: Universidad de Sevilla.spa
dcterms.referencesSemana, 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/spa
dcterms.referencesShiffman, D. (10 de Diciembre de 2019). Obtenido de https://ml5js.org/communityspa
dcterms.referencesSierra, M. D. (Agosto de 2007). Inteligencia artificial en la gestión financiera empresarial. Obtenido de http://rcientificas.uninorte.edu.co/index.php/pensamiento/article/viewFile/3518/2252spa
dcterms.referencesWerbos, P. (1994). Beyond regression: New tools for prediction and analysis in the behavioral sciences. the roots of backpropagation.spa
dcterms.referencesZaforas, M. (2018). Inteligencia Artificial como servicio: reconocimiento de imágenes. Obtenido de https://www.paradigmadigital.com/techbiz/inteligencia-spa
dspace.entity.typePublication
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2spa
oaire.versionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
Archivos
Bloque original
Mostrando 1 - 4 de 4
Miniatura
Nombre:
contrerasmartinezdilson-guevarajarabamichael.pdf
Tamaño:
2.8 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
No hay miniatura disponible
Nombre:
Video del funcionamiento del sistema.mp4
Tamaño:
51.11 MB
Formato:
Unknown data format
Descripción:
Descargar
Miniatura
Nombre:
Manual del Sistema.pdf
Tamaño:
999.67 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Miniatura
Nombre:
Formato de Autorización.pdf
Tamaño:
460.59 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
14.48 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Colecciones
F.E.A. Trabajos de Investigación y/o Extensión