Automated Sorting: Mapping of selective collection disposal objects using artificial intelligence

Detalhes bibliográficos
Autor(a) principal: Possari, Alexandre Calazans
Data de Publicação: 2023
Outros Autores: Silva, Guilherme Henrique, Costa, Bernardo Sant'Anna, Soares, Eduardo Almeida, Tavares, Luis Antonio, Silva, Alexandre Fieno
Tipo de documento: Artigo
Idioma: eng
Título da fonte: AtoZ (Curitiba)
Texto Completo: https://revistas.ufpr.br/atoz/article/view/84456
Resumo: Introdução: A inteligência artificial, especialmente na área de visão computacional, tem se destacado como uma ferramenta poderosa para diversas aplicações, incluindo a classificação de objetos. Neste estudo, desenvolvemos uma pesquisa aplicada que utiliza inteligência artificial para detectar e classificar objetos descartados como lixo em duas categorias principais: papel e metal. Método: A pesquisa se baseou em uma base de dados contendo cerca de 897 imagens de objetos descartados, sendo 448 imagens de papel e 449 imagens de metal. Utilizamos o modelo YOLOv5 (you only look once) para treinar e testar a detecção e classificação dos objetos. O YOLOv5 é conhecido por apresentar resultados promissores nesse tipo de tarefa. Resultados: Os resultados obtidos demonstraram que o modelo YOLOv5 apresentou um desempenho satisfatório na detecção e classificação dos objetos descartados. A precisão média alcançada foi de 0,88. Conclusão: O estudo mostra que o uso da inteligência artificial, por meio do modelo YOLOv5, é eficaz para detectar e classificar objetos descartados em categorias de reciclagem, como papel e metal. Essa abordagem pode contribuir significativamente para aprimorar o processo de coleta seletiva e a gestão de resíduos, promovendo práticas mais sustentáveis e conscientes em relação ao meio ambiente.
id UFPR-6_7e95fb3376b2b191bbe2190e2ecbe745
oai_identifier_str oai:revistas.ufpr.br:article/84456
network_acronym_str UFPR-6
network_name_str AtoZ (Curitiba)
repository_id_str
spelling Automated Sorting: Mapping of selective collection disposal objects using artificial intelligenceClassificação Automatizada: Mapeamento de objetos de coleta seletiva usando inteligência artificialCiência da Computação: Metodologia e Técnicas da ComputaçãoArtificial Intelligence; Recyclable garbage; YOLOv5; Object detection.Ciência da Computação: Metodologia e Técnicas da ComputaçãoInteligência Artificial; Lixo reciclável; YOLOv5; Detecção de objetos.Introdução: A inteligência artificial, especialmente na área de visão computacional, tem se destacado como uma ferramenta poderosa para diversas aplicações, incluindo a classificação de objetos. Neste estudo, desenvolvemos uma pesquisa aplicada que utiliza inteligência artificial para detectar e classificar objetos descartados como lixo em duas categorias principais: papel e metal. Método: A pesquisa se baseou em uma base de dados contendo cerca de 897 imagens de objetos descartados, sendo 448 imagens de papel e 449 imagens de metal. Utilizamos o modelo YOLOv5 (you only look once) para treinar e testar a detecção e classificação dos objetos. O YOLOv5 é conhecido por apresentar resultados promissores nesse tipo de tarefa. Resultados: Os resultados obtidos demonstraram que o modelo YOLOv5 apresentou um desempenho satisfatório na detecção e classificação dos objetos descartados. A precisão média alcançada foi de 0,88. Conclusão: O estudo mostra que o uso da inteligência artificial, por meio do modelo YOLOv5, é eficaz para detectar e classificar objetos descartados em categorias de reciclagem, como papel e metal. Essa abordagem pode contribuir significativamente para aprimorar o processo de coleta seletiva e a gestão de resíduos, promovendo práticas mais sustentáveis e conscientes em relação ao meio ambiente.Introduction:Artificial intelligence, especially in the field of computer vision, has emerged as a powerful tool for various applications, including object classification. In this study, we developed an applied research that utilizes artificial intelligence to detect and classify discarded objects as waste into two main categories: paper and metal. Method:The research was based on a database containing approximately 897 images of discarded objects, with 448 images of paper and 449 images of metal. We used the YOLOv5 (you only look once) model to train and test the object detection and classification. YOLOv5 is known for providing promising results in this type of task. Results:The obtained results demonstrated that the YOLOv5 model exhibited satisfactory performance in detecting and classifying the discarded objects. The achieved mean average precision was 0.88. Conclusion:The study shows that the use of artificial intelligence, through the YOLOv5 model, is effective in detecting and classifying discarded objects into recycling categories, such as paper and metal. This approach can significantly contribute to improving the selective collection process and waste management, promoting more sustainable and environmentally-conscious practices.Programa de Pós-graduação em Gestão da Informação - UFPRPossari, Alexandre CalazansSilva, Guilherme HenriqueCosta, Bernardo Sant'AnnaSoares, Eduardo AlmeidaTavares, Luis AntonioSilva, Alexandre Fieno2023-11-23info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionavaliado por paresapplication/pdfhttps://revistas.ufpr.br/atoz/article/view/8445610.5380/atoz.v12i0.84456AtoZ: novas práticas em informação e conhecimento; v. 12 (2023); 1 - 9AtoZ: novas práticas em informação e conhecimento; v. 12 (2023); 1 - 9AtoZ: novas práticas em informação e conhecimento; v. 12 (2023); 1 - 92237-826X10.5380/atoz.v12i0reponame:AtoZ (Curitiba)instname:Universidade Federal do Paraná (UFPR)instacron:UFPRenghttps://revistas.ufpr.br/atoz/article/view/84456/50762https://revistas.ufpr.br/atoz/article/downloadSuppFile/84456/52356https://revistas.ufpr.br/atoz/article/downloadSuppFile/84456/52678https://revistas.ufpr.br/atoz/article/downloadSuppFile/84456/52679https://revistas.ufpr.br/atoz/article/downloadSuppFile/84456/52680https://revistas.ufpr.br/atoz/article/downloadSuppFile/84456/52681https://revistas.ufpr.br/atoz/article/downloadSuppFile/84456/52682https://revistas.ufpr.br/atoz/article/downloadSuppFile/84456/52731Direitos autorais 2023 AtoZ: novas práticas em informação e conhecimentohttp://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccess2024-02-22T22:29:09Zoai:revistas.ufpr.br:article/84456Revistahttp://revistas.ufpr.br/atozPUBhttp://ojs.c3sl.ufpr.br/ojs2/index.php/atoz/oai||revistaatoz@ufpr.br|| contatoatoz@gmail.com2237-826X2237-826Xopendoar:2024-02-22T22:29:09AtoZ (Curitiba) - Universidade Federal do Paraná (UFPR)false
dc.title.none.fl_str_mv Automated Sorting: Mapping of selective collection disposal objects using artificial intelligence
Classificação Automatizada: Mapeamento de objetos de coleta seletiva usando inteligência artificial
title Automated Sorting: Mapping of selective collection disposal objects using artificial intelligence
spellingShingle Automated Sorting: Mapping of selective collection disposal objects using artificial intelligence
Possari, Alexandre Calazans
Ciência da Computação: Metodologia e Técnicas da Computação
Artificial Intelligence; Recyclable garbage; YOLOv5; Object detection.
Ciência da Computação: Metodologia e Técnicas da Computação
Inteligência Artificial; Lixo reciclável; YOLOv5; Detecção de objetos.
title_short Automated Sorting: Mapping of selective collection disposal objects using artificial intelligence
title_full Automated Sorting: Mapping of selective collection disposal objects using artificial intelligence
title_fullStr Automated Sorting: Mapping of selective collection disposal objects using artificial intelligence
title_full_unstemmed Automated Sorting: Mapping of selective collection disposal objects using artificial intelligence
title_sort Automated Sorting: Mapping of selective collection disposal objects using artificial intelligence
author Possari, Alexandre Calazans
author_facet Possari, Alexandre Calazans
Silva, Guilherme Henrique
Costa, Bernardo Sant'Anna
Soares, Eduardo Almeida
Tavares, Luis Antonio
Silva, Alexandre Fieno
author_role author
author2 Silva, Guilherme Henrique
Costa, Bernardo Sant'Anna
Soares, Eduardo Almeida
Tavares, Luis Antonio
Silva, Alexandre Fieno
author2_role author
author
author
author
author
dc.contributor.none.fl_str_mv

dc.contributor.author.fl_str_mv Possari, Alexandre Calazans
Silva, Guilherme Henrique
Costa, Bernardo Sant'Anna
Soares, Eduardo Almeida
Tavares, Luis Antonio
Silva, Alexandre Fieno
dc.subject.por.fl_str_mv Ciência da Computação: Metodologia e Técnicas da Computação
Artificial Intelligence; Recyclable garbage; YOLOv5; Object detection.
Ciência da Computação: Metodologia e Técnicas da Computação
Inteligência Artificial; Lixo reciclável; YOLOv5; Detecção de objetos.
topic Ciência da Computação: Metodologia e Técnicas da Computação
Artificial Intelligence; Recyclable garbage; YOLOv5; Object detection.
Ciência da Computação: Metodologia e Técnicas da Computação
Inteligência Artificial; Lixo reciclável; YOLOv5; Detecção de objetos.
description Introdução: A inteligência artificial, especialmente na área de visão computacional, tem se destacado como uma ferramenta poderosa para diversas aplicações, incluindo a classificação de objetos. Neste estudo, desenvolvemos uma pesquisa aplicada que utiliza inteligência artificial para detectar e classificar objetos descartados como lixo em duas categorias principais: papel e metal. Método: A pesquisa se baseou em uma base de dados contendo cerca de 897 imagens de objetos descartados, sendo 448 imagens de papel e 449 imagens de metal. Utilizamos o modelo YOLOv5 (you only look once) para treinar e testar a detecção e classificação dos objetos. O YOLOv5 é conhecido por apresentar resultados promissores nesse tipo de tarefa. Resultados: Os resultados obtidos demonstraram que o modelo YOLOv5 apresentou um desempenho satisfatório na detecção e classificação dos objetos descartados. A precisão média alcançada foi de 0,88. Conclusão: O estudo mostra que o uso da inteligência artificial, por meio do modelo YOLOv5, é eficaz para detectar e classificar objetos descartados em categorias de reciclagem, como papel e metal. Essa abordagem pode contribuir significativamente para aprimorar o processo de coleta seletiva e a gestão de resíduos, promovendo práticas mais sustentáveis e conscientes em relação ao meio ambiente.
publishDate 2023
dc.date.none.fl_str_mv 2023-11-23
dc.type.none.fl_str_mv



dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
avaliado por pares
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://revistas.ufpr.br/atoz/article/view/84456
10.5380/atoz.v12i0.84456
url https://revistas.ufpr.br/atoz/article/view/84456
identifier_str_mv 10.5380/atoz.v12i0.84456
dc.language.iso.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv https://revistas.ufpr.br/atoz/article/view/84456/50762
https://revistas.ufpr.br/atoz/article/downloadSuppFile/84456/52356
https://revistas.ufpr.br/atoz/article/downloadSuppFile/84456/52678
https://revistas.ufpr.br/atoz/article/downloadSuppFile/84456/52679
https://revistas.ufpr.br/atoz/article/downloadSuppFile/84456/52680
https://revistas.ufpr.br/atoz/article/downloadSuppFile/84456/52681
https://revistas.ufpr.br/atoz/article/downloadSuppFile/84456/52682
https://revistas.ufpr.br/atoz/article/downloadSuppFile/84456/52731
dc.rights.driver.fl_str_mv Direitos autorais 2023 AtoZ: novas práticas em informação e conhecimento
http://creativecommons.org/licenses/by/4.0
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Direitos autorais 2023 AtoZ: novas práticas em informação e conhecimento
http://creativecommons.org/licenses/by/4.0
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv





dc.publisher.none.fl_str_mv Programa de Pós-graduação em Gestão da Informação - UFPR
publisher.none.fl_str_mv Programa de Pós-graduação em Gestão da Informação - UFPR
dc.source.none.fl_str_mv AtoZ: novas práticas em informação e conhecimento; v. 12 (2023); 1 - 9
AtoZ: novas práticas em informação e conhecimento; v. 12 (2023); 1 - 9
AtoZ: novas práticas em informação e conhecimento; v. 12 (2023); 1 - 9
2237-826X
10.5380/atoz.v12i0
reponame:AtoZ (Curitiba)
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str AtoZ (Curitiba)
collection AtoZ (Curitiba)
repository.name.fl_str_mv AtoZ (Curitiba) - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv ||revistaatoz@ufpr.br|| contatoatoz@gmail.com
_version_ 1809276795745206272

Registros relacionados