Durante el proceso de reciclaje, una de las tareas más importantes y menos conocidas, es la selección de envases. La selección de envases se lleva a cabo en plantas específicas y su cometido consiste en separar los distintos envases (procedentes de los contenedores amarillos) en función de su material y naturaleza (habitualmente, plásticos, envases metálicos y briks).

Esta labor es de suma importancia ya que, es necesaria para llevar a cabo el reciclaje de estos residuos de la forma adecuada. En los últimos años, este proceso ha evolucionado, pasando de ser manual, a ser automatizado conforme han mejorado y entrado en auge las tecnologías de la Industria 4.0 permitiendo así, una mayor eficiencia en todo el proceso.

Tecnologías para la selección de envases

Durante la selección de envases se utilizan diferentes tecnologías que contribuyen de distintas formas a la mejora de la eficiencia y optimización de este proceso:

  • Visión Artificial

    También llamada Visión por Computador. Consiste en la aplicación de diversas operaciones sobre imágenes previamente adquiridas con el fin de adquirir información. Mediante este método se pueden conseguir datos como el color del objeto observado o su contorno. Utilizando estas técnicas es posible determinar el material del que están hechos los objetos o manipular la imagen para extraer la información que más interesa para la aplicación.

  • Machine Learning/Deep Learning

    Conjunto de algoritmos que son capaces de aprender un conjunto de características a partir de las cuales pueden extraer diversas conclusiones, como clasificar o detectar objetos. De estas técnicas destacan las redes neuronales, que simulan el comportamiento de un cerebro humano para aprender a partir de los datos que recibe. Este método es muy útil para el proceso de selección de envases ya que tiene un alto porcentaje de acierto en este tipo de aplicaciones, siendo esencial para poder separar los residuos y envases en su categoría correspondiente. Se usa habitualmente en combinación con la Visión Artificial al extraer información de las imágenes previamente procesadas.

  • Robótica

    El uso de robots colaborativos es básico en el proceso de selección de envases, ya que permite automatizar la separación de los envases de forma física en función de la categoría a la que pertenecen. Para poder realizar esta función, se suele utilizar en combinación con Visión Artificial y Deep Learning, que proporcionan la información necesaria para localizar los envases y residuos, y la categoría a la que pertenecen. También pueden utilizarse en combinación con AGVs, en caso de ser necesario transportar los objetos a otro lugar.

Proceso de implementación de la selección de envases

Para conseguir establecer un método de selección fiable y adecuado para su uso en las distintas plantas, es necesario llevar a cabo un desarrollo en el que se puedan recopilar los datos y configurar las diferentes tecnologías que se vayan a usar. Este proceso depende de múltiples factores: el tipo de aplicación a realizar, lugar de instalación, factores externos… Sin embargo, en casi todas las situaciones, se pueden diferenciar unos pasos específicos a seguir:

  • Recolección de datos

    Consiste en la adquisición de la información necesaria para realizar la detección y clasificación necesaria para la aplicación. En el caso de la selección de envases, consiste en la toma de imágenes y datos de los objetos mediante cámaras y sensores.

 

  • Etiquetado

    Método con el que se indica en los datos adquiridos las características que interesa encontrar y a que clase pertenecen. Para una aplicación de selección de envases como la planteada, se trata de indicar en una imagen en que lugar se encuentran los objetos que queremos encontrar y a que tipo pertenecen.

 

  • Entrenamiento

    Los datos etiquetados son extraídos por el algoritmo de detección empleado para que aprenda la información que se quiere detectar. Un sistema correctamente entrenado, será capaz de extraer las características que diferencian los distintos tipos de envases y podrá localizarlos y clasificarlos para su posterior separación.

 

  • Evaluación

    Para poder confirmar que el desempeño del algoritmo entrenado es el correcto, es empleado con datos nuevos a partir de los cuales se puede conseguir métricas que califiquen de forma objetiva su funcionamiento. Para la selección de envases, se utilizarán imágenes etiquetadas que no hayan sido empleadas en el proceso de entrenamiento. De este modo se puede comprobar que tal se comporta ante situaciones nuevas obteniendo métricas como la precisión o matrices de confusión.

 

  • Instalación

    Finalmente, una vez hecho todo lo anterior, y elegido el algoritmo con la mejor evaluación, se procede a usar el sistema en el entorno real. Para ello se configura el algoritmo como sea necesario para que devuelva la información que sea interesante para la aplicación y se procede a emplearla como corresponda. Para la selección de envases, se tomarán imágenes de los residuos, el algoritmo los detectara y clasificará y enviara dicha información al sistema, que la tratara como sea necesario para proceder a realizar la separación de los residuos correspondientes.

En ATRIA hemos desarrollado un sistema de identificación de residuos voluminosos llamado SIARA que está basado en visión artificial y Deep learning y que permite identificar los objetos que provocan obstrucciones en las plantas de separación de residuos plásticos actuales. Este proceso es importante para que le resto de la planta funcione correctamente.

Beneficios del uso de tecnología de Industria 4.0 en la selección de envases

Como se ha mencionado el uso de nuevas tecnologías y la automatización son empleadas para mejorar la eficiencia en las plantas de selección de envases. Esta mejora se traduce en diversos beneficios:

 

  • Posibilidad de realizar un registro de datos. Al estar todo el proceso automatizado, se puede registrar las clasificaciones realizadas, la hora en que se realizaron, o incluso, almacenar imágenes que puedan ser de interés.
  • Mayor velocidad de procesado. Como está todo automatizado, el sistema es capaz de realizar la clasificación mucho más rápido de como la haría una persona que tuviese que hacerlo manualmente.
  • Al utilizar sistemas de visión, no es necesario emplear un gran número de personas para la tarea de identificar residuos, independientemente de la carga de trabajo. Por lo que el personal puede dedicarse a otras funciones.
  • Mejora continua. Al ser un sistema basado en el aprendizaje, se pueden realizar cambios y mejoras de forma sencilla en caso de ser necesario.

¿Necesitas ayuda?

¡Ponte en contacto con nosotros! 
Contacto
close-link