Proyecto clasificación de residuos orgánicos con ayuda de inteligencia artificial y visión artificial.

Este proyecto tiene como objetivo desarrollar un sistema avanzado para la detección y clasificación de residuos utilizando inteligencia artificial y visión artificial, implementando la metodología CRISP-DM junto con técnicas de programación paralela para optimizar la eficiencia en la gestión de residuos y mitigar el impacto ambiental. La metodología CRISP-DM proporciona un marco estructurado para el análisis y el modelado de datos, comenzando con la comprensión del negocio y los datos, pasando por la preparación, modelado y evaluación (Sokolova & Lapalme, 2009). En la fase de evaluación, se implementan métricas como precisión, sensibilidad, especificidad y F1-score para medir el rendimiento del sistema y se utilizan técnicas como la validación cruzada para asegurar la robustez del modelo (Kohavi, 1995). La programación paralela en Python, junto con herramientas como OpenCV y Object Detect, facilita el procesamiento eficiente de grandes volúmenes de datos visuales. Este enfoque integral busca no solo mejorar la precisión en la clasificación de residuos, sino también asegurar la eficiencia operativa del sistema, proporcionando así una solución efectiva y sostenible para la gestión de residuos.

Palabras clave: Detección, clasificación, residuos, CRISP-DM, Programación paralela.