Esta es un versión antigua publicada el 2021-07-02. Consulte la versión más reciente.

ANÁLISIS DE HERRAMIENTAS PARA DESARROLLAR UN SISTEMA DE APOYO AMBIENTAL PARA IDENTIFICAR RESIDUOS SÓLIDOS

Autores/as

  • Carlos Vicente Niño Rondón Universidad Francisco de Paula Santander
  • Sergio Alexander Castro Casadiego Universidad Francisco de Paula Santander
  • Danna Marcela Ortiz Fonseca Universidad Francisco de Paula Santander

Palabras clave:

residuos sólidos, aprendizaje profundo, inteligencia artificial, gestión ambiental

Resumen

Este artículo presenta una metodología detallada para el desarrollo de un sistema de apoyo ambiental destinado a la identificación de residuos sólidos. La metodología se divide en tres etapas fundamentales: selección de hardware, selección de software y diseño preliminar del algoritmo. En la primera etapa, se utiliza una matriz de selección para evaluar y comparar diversos aspectos clave del hardware, como procesadores, memoria RAM, lenguajes de programación, procesamiento gráfico, precio y disponibilidad en el mercado. Los resultados ponderados indican que el Raspberry Pi 4 y el Jetson Nano son las opciones más adecuadas, basadas en las necesidades específicas del proyecto. En la segunda etapa, se utiliza una matriz de selección similar para evaluar aspectos críticos del software, como el costo de la licencia, la disponibilidad de librerías, la integración con entornos de desarrollo, la conectividad con software de ofimática y la compatibilidad con inteligencia artificial. Python emerge como el lenguaje de programación ideal, con un peso del 52.35%, debido a su versatilidad y capacidad de procesamiento. Además, se presenta un algoritmo propuesto que aborda la preparación de datos, incluida la redimensión de imágenes, el etiquetado de datos de entrenamiento y validación, la conversión de imágenes a escala de grises y la normalización de datos. En conjunto, esta metodología ofrece una guía sólida para el desarrollo de un sistema que puede contribuir significativamente a la gestión ambiental y la sostenibilidad al identificar eficazmente los residuos  sólidos. El enfoque propuesto puede tener un impacto positivo en entornos urbanos y rurales al mejorar la eficiencia de la gestión de residuos.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Abdallah, M., Abu Talib, M., Feroz, S., Nasir, Q., Abdalla, H., & Mahfood, B. (2020). Artificial intelligence applications in solid waste management: A systematic research review. In Waste Management (Vol. 109, pp. 231–246). Elsevier Ltd. https://doi.org/10.1016/j.wasman.2020.04.057

Alqahtani, F., Al-Makhadmeh, Z., Tolba, A., & Said, W. (2020). Internet of things-based urban waste management system for smart cities using a Cuckoo Search Algorithm. Cluster Computing. https://doi.org/10.1007/s10586-020-03126-x

Cavanzo-Nisso, G. A., Pérez-Pereira, M. R., & Villavisan-Buitrago, F. (2017). Medición de eficiencia de algoritmos de visión artificial implementados en raspberry pi y ordenador personal mediante Python.

Ingenium, 18(35), 105–119.

Graf, J., Batchelor, W., Harper, S., Marlow, R., Carlisle, E., & Athanas, P. (2020). A practical application of game theory to optimize selection of hardware Trojan detection strategies. Journal of Hardware and Systems Security, 4(2), 98–119. https://doi.org/10.1007/s41635-019-00089-3

Lenarduzzi, V., Taibi, D., Tosi, D., Lavazza, L., & Morasca, S. (2020). Open Source Software Evaluation, Selection, and Adoption: A Systematic Literature Review. Proceedings - 46th Euromicro Conference on Software Engineering and Advanced Applications, SEAA 2020, 437–444. https://doi.org/10.1109/SEAA51224.2020.00076

Olabanji, O., & Mpofu, K. (2020). Pugh matrix and aggregated by extent analysis using trapezoidal fuzzy number for assessing conceptual designs. Decision Science Letters, 9(1), 21–36. https://doi.org/10.5267/j.dsl.2019.9.001

Perales Esteve, M., Toral Marín, S., & Gutierrez Reina, D. (2020). Formación en Ingeniería y Cooperación Internacional: Diseño de drones acuáticos para monitorización de variables ambientales. XIV Congreso de Tecnologías Aplicadas a La Enseñanza de La Electrónica, 11–16.

Valencia, V. R., Vera, R. B., Cabrera, C. M., Guerra, J., & Saltos, E. (2019). Propuesta de un sistema de estacionamiento Inteligente con sensores IoT. Revista Iberica de Sistemas y Tecnologias de Informacion, 19(4), 553–567. search.proquest.com/openview/5b2c56a6dda949cb7b5f8875c88b1437/1?pq-origsite=gscholar&cbl=1006393

Vidal, C. J. C. J., Bravo, J. J., Cajiao, E., Meza, P. P., Arango, S., Franco, D., Calderón, J. H., Jos, J., Cajiao, E., Pablo, G. P., Franco, A. S. D., & Hern, J. (2012). Guía metodológica para la priorización de proyectos: un enfoque aplicado a la infraestructura, la logística y la conectividad. Sello editorial Javeriano.

Descargas

Publicado

2023-10-30 — Actualizado el 2021-07-02

Versiones

Cómo citar

Niño Rondón, C. V., Castro Casadiego, S. A., & Ortiz Fonseca, D. M. (2021). ANÁLISIS DE HERRAMIENTAS PARA DESARROLLAR UN SISTEMA DE APOYO AMBIENTAL PARA IDENTIFICAR RESIDUOS SÓLIDOS. REVISTA AMBIENTAL AGUA, AIRE Y SUELO, 12(2), 1–9. Recuperado a partir de https://ojs.unipamplona.edu.co/index.php/aaas/article/view/2572 (Original work published 30 de octubre de 2023)

Número

Sección

Artículos

Artículos más leídos del mismo autor/a