Diseño y simulación de máquina clasificadora de residuos reciclables (cartón, metal, plástico y vidrio) usando inteligencia artificial y robot delta en la provincia de Cajamarca

Abstract

El presente estudio se centra en el diseño y simulación de un sistema robótico para la clasificación eficiente de residuos reciclables, específicamente metal, plástico, cartón y vidrio, con el propósito de agilizar el proceso de reciclaje en la ciudad de Cajamarca. Para lograr este objetivo, se configuró y simuló el proceso utilizando el software CoppeliaSim, empleando un robot delta modelo IRB360, sensores de proximidad, fajas transportadoras y una cámara lineal. CoppeliaSim facilita la integración con Python a través de su API, lo que permite la conexión con un modelo previamente entrenado en Spyder, basado en la arquitectura de red ligera FOCUS-RCNet. Se utilizaron 1604 imágenes para el entrenamiento de la red y 400 para su validación. El análisis y discusión de los resultados se basaron en la simulación del proceso completo en CoppeliaSim, la cantidad de objetos clasificados en un tiempo determinado y la precisión en la clasificación de objetos reciclables mediante herramientas de inteligencia artificial. En conclusión, este estudio evidencia que la combinación de tecnologías innovadoras como los robots delta y la inteligencia artificial pueden mejorar significativamente la eficiencia del reciclaje. Esto se traduce en una reducción en las horas de trabajo y en los errores de clasificación, lo que supone un avance importante para la gestión sostenible de residuos en la ciudad de Cajamarca y posiblemente en otros contextos similares.

The present study focuses on the design and simulation of a robotic system for the efficient classification of recyclable waste, specifically metal, plastic, cardboard, and glass, to streamline the recycling process in the city of Cajamarca. To achieve this objective, the process was configured and simulated using the CoppeliaSim software, using a delta robot model IRB360, proximity sensors, conveyor belts, and a linear camera. CoppeliaSim facilitates integration with Python through its API, allowing connection with a pre-trained model in Spyder, based on the FOCUS-RCNet lightweight network architecture. 1604 images were used for network training and 400 for validation. The analysis and discussion of the results were based on the simulation of the complete process in CoppeliaSim, the number of objects classified in a given time, and the accuracy in the classification of recyclable objects using artificial intelligence tools. In conclusion, this study shows that the combination of innovative technologies such as delta robots and artificial intelligence can significantly improve recycling efficiency. This translates into a reduction in working hours and classification errors, which represents an important advance for sustainable waste management in the city of Cajamarca and possibly in other similar contexts.