WASOR: Sistema de Clasificación de residuos sólidos usando técnicas de inteligencia artificial

Simple item page
dc.contributor.advisorVargas Cardona, Hernán Darío
dc.contributor.authorTovar Jaimes, Héctor Iván
dc.contributor.authorPinto Losada, Javier Hernando
dc.date.accessioned2026-03-18T15:11:48Z
dc.date.available2026-03-18T15:11:48Z
dc.date.issued2025
dc.description.abstractEl proyecto WASOR desarrolló un sistema inteligente para la clasificación automática de residuos sólidos mediante técnicas de visión por computador e inteligencia artificial, orientado a mejorar la eficiencia de la separación en la fuente y contribuir a los procesos de reciclaje, una problemática relevante dada la baja tasa de aprovechamiento de residuos en la región y los altos niveles de contaminación ambiental asociados a la disposición inadecuada. La unidad de análisis del proyecto está conformada por imágenes de residuos sólidos urbanos pertenecientes a siete categorías (orgánico, plástico, papel, vidrio, metal, biológico y baterías), a partir de las cuales se construyó un conjunto de datos que inició con 9.281 imágenes recopiladas desde repositorios abiertos; Luego del proceso de depuración y validación manual, el dataset se redujo a 8.214 imágenes. De este conjunto base, se destinó el 6 % (493 imágenes) para la validación y el 2 % (164 imágenes) para las pruebas de desempeño de los modelos. Al conjunto restante (7.557 imágenes) se le aplicaron técnicas de aumento de datos, obteniendo así un dataset expandido de 18.796 imágenes, el cual fue utilizado para el entrenamiento de los modelos. El proyecto abordó la problemática de la clasificación ineficiente y manual de residuos, proponiendo como objetivos la construcción de un dataset robusto, el entrenamiento comparativo de modelos de detección, la selección del modelo con mejor rendimiento y el desarrollo de una interfaz funcional capaz de operar en tiempo real. Se entrenaron tres modelos basados en las arquitecturas YOLOv8m, YOLOv9m y YOLOv10m, evaluados mediante métricas estándar como exactitud, F1-score, precisión, recall y mAP@0.5:0.95; el modelo seleccionado fue YOLOv10m, el cual alcanzó la métrica clave más alta con un mAP@0.5:0.95, representando el mejor equilibrio entre calidad de detección, estabilidad y capacidad de generalización. Los resultados del sistema integran detección en tiempo real, asignación de la categoría correspondiente y recomendación del contenedor apropiado utilizando una interfaz HMI diseñada en Python, lo que permite demostrar la viabilidad técnica y operativa de la automatización del reciclaje. Las aplicaciones potenciales del sistema incluyen puntos ecológicos automatizados, estaciones educativas para sensibilización ambiental, procesos industriales de separación de residuos y futuras implementaciones IoT con monitoreo continuo, contribuyendo así a la optimización de la gestión de residuos, a la reducción de la contaminación y al fortalecimiento de prácticas de economía circular en diversos entornos urbanos, institucionales y comunitarios.spa
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ciencia de Datos
dc.format.extent78 p.
dc.format.mimetypeapplication/pdf
dc.identifier.urihttp://hdl.handle.net/11522/5420
dc.language.isospa
dc.publisherPontificia Universidad Javeriana Cali
dc.publisher.departmentFacultad de Ingeniería y Ciencias
dc.publisher.programMaestría en Ciencia de Datos
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonshttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subjectClasificaciónspa
dc.subjectResiduos sólidosspa
dc.subjectClassificationspa
dc.subjectMachine learningspa
dc.subjectMedio ambienteeng
dc.subjectSolid wasteeng
dc.subjectEnvironmenteng
dc.titleWASOR: Sistema de Clasificación de residuos sólidos usando técnicas de inteligencia artificialspa
dc.typemaster thesis
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestría
dc.type.redcolhttps://purl.org/redcol/resource_type/TM
Files
Original bundle
Now showing 1 - 2 of 2
Thumbnail Image
Name:
Proyecto de Grado Final - Javier Hernando Pinto Losada,Hector Ivan Tovar Jaimes,.pdf
Size:
3.37 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Licencia de Uso - Javier Hernando Pinto Losada,Hector Ivan Tovar Jaimes,.pdf
Size:
167.09 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Maestría en Ciencia de Datos