Utilização de visão computacional e robótica colaborativa para a coleta seletiva de lixo

Abstract

RESUMO: Um dos maiores problemas ambientais que a humanidade vem enfrentando é a quantidade de resíduos gerados. O Brasil é um dos países do mundo que mais gera resíduos sólidos urbanos e que possui um dos maiores contingentes de pessoas que separam esses resíduos manualmente, muitas vezes em deploráveis condições de trabalho. A coleta seletiva consiste basicamente na separação de resíduos recicláveis. A utilização de sistemas automatizados é uma alternativa para tornar a separação de resíduos mais eficiente e segura. Assim, este trabalho descreve a implementação de um sistema para separação dos materiais, combinando a atuação de um robô colaborativo e o uso de métodos baseados em visão computacional utilizados para detectar 04 tipos principais de resíduos sólidos, a saber, vidro, metal, papel e plástico. Para detectar cada tipo de resíduo sólido, foram utilizadas duas redes neurais convolucionais distintas, a Mask R-CNN e a YoloV5. Os resultados obtidos mostram que a pose dos objetos é obtida com uma precisão adequada para a tarefa utilizando-se ambos frameworks, contudo a rede YoloV5 se demostrou mais adequada ao problema, pois foi capaz de classificar objetos na imagem com tempo inferior a 0,01s. Nos experimentos práticos realizados, o robô colaborativo se desloca até a pose calculada, captura o resíduo e o deposita no recipiente correspondente a seu tipo automaticamente, simulando um sistema industrial de separação de material reciclável. Os comandos de controle de movimento e a integração do sistema de visão foram realizadas utilizando-se a linguagem Python. Ressalta-se que foi desenvolvida uma biblioteca própria para o envio de comandos de movimentação do robô. O sistema protótipo desenvolvido demonstra-se robusto e cumpre com o objetivo do trabalho, que é realizar a coleta seletiva do lixo de forma autônoma.

ABSTRACT: One of the biggest environmental problems that humanity has been facing is the amount of waste generated. The disorderly growth of large cities combined with consumption and industrialization are substantially increasing the amount of solid waste generation. Brazil is one of the countries in the world where most generate solid urban waste and which has one of the largest numbers of people who separate this waste manually, many times in deplorable working conditions. Selective waste sorting basically consists of segregation of recyclable waste. However, when performed manually, the practice of segregation may not be followed evenly. The use of automated systems are an alternative to make the waste segregation more efficient and safer. This work describes a system implementation combining a method based on computer vision to detect 4 main types of solid waste, glass, metal, paper and plastic, and a collaborative robot to perform the separation of identified materials. To classify and detect each type of solid waste, Convolutional Neural Networks, the Mask R-CNN and YoloV5, was used. Results obtained by the computer vision models allows the objects detection with high precision and the YoloV5, showed itself as the ideal framework for solving the proposed problem since it’s capable of detecting objects with an image with a time of less than 0.01s. Sorting generates a bounding box and object position information in the image. The collaborative robot moves to the determined position at the image, using a library developed to perform its movement, captures the waste, and automatically deposits it in the container corresponding to its type, simulating an industrial system for separating recyclable material. The prototype system developed proves to be robust and fulfills the objective of the work, that is perform the autonomous waste sorting.