Red neuronal para la detección inteligente de residuos orgánicos: hacia una solución ambiental sostenible

Resumen

El crecimiento poblacional es un fenómeno global que, a lo largo de las últimas décadas, ha cobrado una relevancia crítica en el contexto del desarrollo económico y de la sostenibilidad ambiental. A medida que la población mundial supera los 8000 millones, las naciones enfrentan el desafío de equilibrar el crecimiento económico con la protección del medio ambiente. Por ello, se desarrolló un modelo basado en redes neuronales convolucionales para residuos orgánicos. La metodología consistió en la construcción de un dataset con 1000 imágenes de desechos en hogares y escuelas, el entrenamiento del modelo YOLOv5x mediante el descenso de gradiente y la evaluación de métricas. En los resultados iniciales se observó un rendimiento limitado; no obstante, al incrementar el número de épocas y mejorar la calidad del dataset, la precisión alcanzó el 80 %. Esto evidencia la importancia de contar con imágenes de alta calidad para optimizar el aprendizaje automático, así como la necesidad de ajustes iterativos durante el entrenamiento del modelo. En conclusión, la investigación confirma la viabilidad de aplicar la visión artificial a la clasificación de residuos. El modelo se limitó a residuos orgánicos. Estos avances contribuyen al fortalecimiento de la cultura ambiental y al desarrollo de sistemas inteligentes que promuevan prácticas sostenibles en México.