Implementar el modelo de Machine Learning utilizando la plataforma Edge Impulse, para identificar residuos a partir del sonido que producen al caer en el tacho

La integración de prácticas de reciclaje efectivas es trascendental para el bienestar del planeta. El presente trabajo busca abordar la problemática de separación de residuos mediante la integración de tecnologías emergentes que permitan emplear un proceso limpio y seguro de reciclaje evitando que materiales aprovechables se conviertan en residuos inutilizables. Para esto se construye un modelo de aprendizaje automático integrado. Mediante el uso de la plataforma de desarrollo Edge Impulse y las tecnologías de Tiny Machine Learning (TinyML) se crea una solución inteligente capaz de analizar el sonido que emiten los materiales al ser arrojados a una tolva metálica, de manera que se utiliza esa información y análisis para clasificar dos tipos de materiales reciclables: botellas plásticas PET y botellas de vidrio de 250 ml a 500 ml. El sistema es implementado mediante un algoritmo de TinyML en una tarjeta de desarrollo Nicla Voice, en donde se realiza la predicción de los datos de audio recolectados y posteriormente el resultado de la predicción se envía mediante una señal a través de comunicación I2C a la tarjeta Arduino Nano activando así sus salidas digitales, y además encendiendo dos leds como indicadores del resultado de la clasificación de los materiales. El trabajo pretende generar un impacto ambiental positivo del reciclaje, implementando tecnología moderna para fortalecer una adecuada separación de residuos en el origen lo cual es crucial para maximizar la cantidad de recursos reutilizables.

• Κύριος συγγραφέας: Quishpe Escobar, Jorge Alejandro (author)
• Μορφή: bachelorThesis
• Έκδοση: 2024
• Θέματα: TINY MACHINE LEARNING; EDGE IMPULSE; NICLA VOICE; CLASIFICACIÓN DE SONIDO.
• Διαθέσιμο Online: https://repositorio.espe.edu.ec/handle/21000/41672