Investigadores de la <a href="https://www.urjc.es/" target="_blank" title="Universidad Rey Juan Carlos" alt="Universidad Rey Juan Carlos">Universidad Rey Juan Carlos</a> (URJC) han colaborado con la empresa <a href="https://www.ecoembes.com/es" target="_blank" title="Ecoembes" alt="Ecoembes">Ecoembes</a>, dedicada al reciclaje de envases, para crear una herramienta de localización visual de contenedores.
El sistema Contenedor Go se ha creado utilizando técnicas de aprendizaje automático (machine learning) avanzadas en las que se entrena un sistema informático con una colección de fotografías de escenas que contienen contenedores de residuos urbanos. Una vez entrenado, el sistema es capaz de reconocer contenedores en nuevas escenas, e incluso de nuevas ciudades. Asimismo, la herramienta puede utilizar imágenes georreferenciadas para mostrar en un mapa la localización de los contenedores detectados automáticamente. “Es un sistema fácilmente escalable, cuya generalización suele ser lo más complicado de conseguir en este tipo de soluciones visuales”, destaca Antonio Sanz, investigador del grupo de Computación de Altas Prestaciones y Optimización (CAPO) de la Universidad Rey Juan Carlos.
Este proyecto ha sido presentado en el laboratorio creado por Ecoembes en la ciudad de Logroño, The Circular Lab, un espacio único de innovación y desarrollo en el que se reúnen trabajos de startups, grandes empresas, así como de investigadores universitarios, como los de la Universidad Rey Juan Carlos.
Este sistema de reconocimiento visual de contenedores de residuos Contenedor Go está pensado para utilizarse de forma embarcada desde un vehículo y que no sean necesarias grabaciones previas. Para ello se seguirá desarrollando la plataforma embarcada de procesamiento visual EPU, desarrollada por el grupo CAPO-URJC, que ya se utilizó en una colaboración previa con la Empresa Municipal de Transportes (EMT) de Madrid para el sistema de detección de infracciones en el carril bus, BusVigia. “Utilizamos una arquitectura de red neuronal convolucional y un hardware especialmente efectivo para soportar el nivel de cómputo que requieren este tipo de soluciones”, explica el investigador de la URJC.
La colaboración entre el grupo CAPO-URJC con Ecoembes ha culminado académicamente con el artículo titulado “Convolutional neural networks for computer vision-based detection and recognition of dumpsters”, que ha sido enviado a la prestigiosa revista tecnológica Frontiers in Neuroinformatics.
Referencia bibliográfica:
Iván Ramírez, Alfredo Cuesta-Infante, Juan J. Pantrigo, Antonio S. Montemayor, José Luis Moreno, María Valvanera Alonso, Gema Anguita, Luciano Palombarani, 2017. Convolutional neural networks for computer vision-based detection and recognition of dumpsters, Frontiers in Neuroinformatics.
