Inteligencia Artificial en el reciclado

Los exigentes requisitos de calidad y cantidad de separación en los flujos de residuos hacen necesarias nuevas soluciones que afronten esta problemática y una de las posibles soluciones para este problema reside en la visión artificial y la inteligencia artificial en combinación con tecnologías ya existentes como puede ser las cámaras NIR. En este artículo se pretende hacer una introducción a este tipo de tecnología para comprender su potencial, a qué se debe su crecimiento exponencial, explicar algunos de sus usos actuales en el sector de la separación de residuos y en cómo puede ayudar de cara al futuro.

Antes de abordar la problemática que se presenta es necesario conocer la tecnología y los conceptos básicos de la inteligencia artificial y la visión artificial. Aunque parezca un desarrollo muy novedoso esta existe desde hace bastantes años, pues el término se empezó a usar en el año 1956 y se encuentra presente en muchas situaciones que tenemos en nuestro día a día.

Se trata de la ciencia que a través de las computadoras intenta replicar la inteligencia y todos los procesos que ello implica. Es decir, otorgar a una máquina la capacidad de pensar como un ser humano mediante algoritmos y que sean capaces de realizar tareas que realizamos en nuestro día a día.

Dentro de la IA podemos encontrar los mecanismos de Machine Learning (ML), basados en que a partir de datos los sistemas pueden aprender, identificar patrones y ser capaces de tomar decisiones sin que exista una intervención humana o esta sea mínima, tan solo en la fase de entrenamiento. Algunos de los usos más comunes son los modelos predictivos, los asistentes virtuales o aplicaciones de optimización de procesos.

Algunos ejemplos de métodos de ML pueden ser los árboles de decisiones, sobre todo para modelos predictivos o el análisis discriminante lineal, usado en el reconocimiento de patrones.

Y, a su vez, al igual de las muñecas matrioshkas, dentro de estos mecanismos de ML podemos encontrar otro tipo de mecanismos como los Deep Learning (DL). Este tipo de ML se caracteriza por el uso de algoritmos capaces de aprender por sí solos a analizar los inputs de datos e interpretarlos. Explicado de una forma más sencilla, con este tipo de algoritmo se consigue que las máquinas sean capaces de aprender como lo haría un niño pequeño y a través de sus propias experiencias van mejorando su proceso sin necesidad de intervención humana.

Figura 1: Esquema relación IA, ML y DL.

Aquí podemos ver distintos factores que han provocado este rápido desarrollo: por un lado, está la necesidad de procesar y analizar ingentes cantidades de datos de una forma rápida, junto con la gran adaptabilidad de este tipo de algoritmo a casi cualquier proceso. Además de todo esto, también tenemos la evolución de los hardware, cada vez más potentes y asequibles sin la necesidad de ocupar gran espacio. Todos estos factores, junto a una sociedad cada vez más digitalizada, generan el campo perfecto para que crezca esta tecnología de una forma exponencial y la podamos encontrar prácticamente en cualquier ámbito.

El caso más sencillo que podemos encontrar en el sector del reciclado es en el sorting de residuos de envases. Cada vez es mayor la demanda de materiales reciclados de calidad. Por ello es necesario una clasificación de los residuos más exhaustiva para garantizar la obtención de un buen producto final. Por ello una de las herramientas que han aparecido para conseguir esta finalidad es la IA combinada con la visión artificial y las cámaras NIR. Con la unión de estas tecnologías podemos tener resultados como puede ser un flujo exclusivamente de botellas de agua de PET, separar los residuos de construcción según su tipología o separar las prendas de ropa según tipología y material del que están fabricadas. Ligado con estos procesos de automatización de los sistemas de sorting también tenemos las tecnologías de bigdata y del Internet de las cosas para la obtención de resultados en tiempo real. Para tener el control de todo lo que está pasando en nuestro proceso y poder actuar de forma inmediata en el momento en que se produzca un error, avería, etc.

Por otro lado, tenemos el caso de la IA aplicada a los sistemas de gestión de residuos, esto unido al Internet de las cosas puede facilitar mucho la optimización de estos sistemas de recogida. Un ejemplo puede ser la optimización de la recogida de residuos sólidos urbanos, con la sensorización de estos para saber en qué momento se llenan. Esto permitiría por ejemplo optimizar la ruta del camión de recogida pasando tan solo por aquellos que se encuentran llenos, obteniendo así ahorros de tiempo y de costes en transporte. Aunque aquí nos podemos encontrar una de las barreras para la implantación de este tipo de tecnologías, sus costes pueden resultar demasiado elevados para su instalación a gran escala.

Si se tienen en cuenta las aplicaciones actuales y las oportunidades que ofrece el desarrollo de este tipo de algoritmos de DL, podemos obtener procesos de reciclado óptimos, es decir, con flujos de salida sin impurezas, dando así un valor más alto al producto final que se puede obtener. Pudiendo identificar objetos concretos que pueden causar problemas en pasos posteriores del proceso de reciclado y conectando toda la cadena de valor desde los ciudadanos hasta los recicladores para facilitar la comunicación y mejorar el reciclado en todas las fases de la cadena. Otra opción que podemos encontrar pero que tal vez se encuentra más lejos puede ser la separación de fracciones de residuos con un interés especial por su valor. Este puede ser el caso de los envases para contacto con alimentos, ya que el material reciclado que puede usarse en estos es limitado debido a la dificultad para conseguir un flujo de residuos exclusivo de este tipo de residuos.

En definitiva, se trata de una herramienta que, debido a su gran versatilidad y utilidad, así como a la evolución de los hardware, está creciendo cada vez de forma más rápida. Por ello, se puede emplear en industrias y aplicaciones muy dispares entre ellas. Respecto al sector del reciclado, puede ser una gran herramienta para mejorar y optimizar los procesos actuales para conseguir flujos más limpios y con mayor valor, aplicando estas herramientas en toda la cadena de valor.