Diseño de un sensor híperespectral para diferenciar material orgánico e inorgánico ImagCam

Abstract

Uno de los principales problemas ambientales que han afectado al planeta tierra en la actualidad es la contaminación ambiental debido al mal uso de los desechos que día a día los seres humanos tiramos al basurero. En países desarrollados intentan acabar con esta problemática implementando sistemas automatizados para el reciclaje o haciendo campañas de concientización masiva tomando medidas de control más estrictas. En cambio, en países menos desarrollados, la concientización social en cuanto al reciclaje es escasa y mucho menos cuenta con sistemas electrónicos que ayuden al proceso de reciclaje. Si se implementara un sistema de selección de materiales orgánicos e inorgánicos, sería un gran aporte debido a que el material orgánico podría brindar algunos beneficios como por ejemplo: la generación de electricidad mediante procesos de digestión anaeróbica, mejorar la calidad de la tierra en abono para cultivos o jardines. Por otra parte, el estudio y análisis de imágenes híper espectrales en la tecnología cubren amplias áreas de aplicación ejemplo predecir la madurez y la dulzura de las frutas por medio de longitudes de onda, la clasificación de materiales por medio de sistemas de inteligencia artificial, el muestreo satelital para caracterizar propiedades específicas de los terrenos o lagos, detección de enfermedades en el sector de la salud, también en la agricultura etc.

El propuesto proyecto del diseño de un sensor híper espectral (ImagCam) que permite la captura de imágenes en 2D, luego se hizo la construcción a imágenes híper espectrales por medio del estudio y análisis de los datos de las distintas longitudes de onda visibles y no visibles al ojo humano, la caracterización de estas longitudes de onda permite obtener características físico químicas de los distintos objetos. Este proyecto tuvo como objetivo diseñar un sensor hiperespectral de bajo costo y se utilizó inteligencia artificial mediante el uso de classification learner en matlab para llevar a cabo la clasificación automática de dos tipos de materiales: orgánicos e inorgánicos. Se esperó lograr una tasa de acierto entre el 85% y el 90% en la diferenciación de estos materiales. Para lograr esto, se utilizaron herramientas de acceso libre como arduino, leds, cámara web y una cabina ajustada a ciertos parámetros ambientales, así como el software matlab para construir imágenes hiperespectrales a partir de la composición espectral de la distribución de la intensidad de la luz a lo largo de un rango de longitudes de onda. Con esto, se buscó contribuir al proceso de reciclaje.