Mostrar el registro sencillo del ítem
Sistema de contenedores controlado por voz para la correcta clasificación de los residuos sólidos
| dc.contributor.advisor | Illera Bustos, Mario Joaquin | |
| dc.contributor.advisor | Barbosa Casanova, Geiner Giovanny | |
| dc.contributor.author | Suescun Vera, Paula Linned | |
| dc.contributor.author | Nocua Enciso, Paola Roció | |
| dc.date.accessioned | 2024-04-01T14:25:04Z | |
| dc.date.available | 2024-04-01T14:25:04Z | |
| dc.date.issued | 2023-03-03 | |
| dc.identifier.uri | https://repositorio.ufps.edu.co/handle/ufps/6770 | |
| dc.description.abstract | El reciclaje es una estrategia que permite mejorar el trato de los residuos sólidos que pueden ser útiles en otros aspectos, pero su correcta clasificación no siempre resulta satisfactoria. El problema se presenta cuando se desconoce cómo deshacerse de los desperdicios que ya no representan un valor útil, esta falta de conocimiento y de la poca participación en actividades de reciclaje conlleva al aumento de la contaminación ambiental. Por esta razón, en este trabajo se presenta un prototipo de un sistema de contenedores controlado por voz con capacidad de 12 litros como herramienta de apoyo en el proceso de clasificación de los residuos sólidos, el cual fue implementado sobre el sistema embebido Raspberry Pi 3B+ y codificado en el lenguaje Python. Dicha codificación basó su funcionamiento de voz. En sus pruebas de funcionamiento se obtuvo un porcentaje de aciertos del 92.64% en el reconocimiento de los comandos de voz, se obtuvo una taza de error de palabra (wer) del 5.41% para el modelo utilizado en el procesamiento digital de voz. | spa |
| dc.description.tableofcontents | 1. DESCRIPCIÓN DEL PROBLEMA .............................................................................. 13 1.1. Planteamiento del problema .................................................................................... 13 1.2. Justificación ............................................................................................................ 14 1.2.1. Beneficios Tecnológicos ..................................................................................... 15 1.2.2. Beneficios Económicos ....................................................................................... 15 1.2.3. Beneficios Sociales ............................................................................................. 16 1.2.4. Beneficios Institucionales ................................................................................... 16 1.3. Alcances .................................................................................................................. 16 1.3.1. Tipo de proyecto.................................................................................................. 16 1.4. Delimitaciones ........................................................................................................ 17 1.5. Objetivos ................................................................................................................. 17 1.5.1. Objetivo General ................................................................................................. 17 1.5.2. Objetivos Específicos .......................................................................................... 17 2. MARCO TEÓRICO ....................................................................................................... 18 2.1. Generación de residuos sólidos ............................................................................... 18 2.2. Procesamiento digital de señales ............................................................................ 19 2.3. Software de procesamiento de voz ......................................................................... 20 2.4. Contenedores autónomos ........................................................................................ 20 2.5. Sistemas de control ................................................................................................. 21 2.6. Sistemas embebidos ................................................................................................ 21 2.7. Sensores .................................................................................................................. 22 2.8. Actuadores .............................................................................................................. 23 2.9. Aprendizaje automático .......................................................................................... 23 2.10. Técnicas de procesamiento digital de voz .............................................................. 24 2.10.1. Programación dinámica ....................................................................................... 24 2.10.2. Modelos ocultos de Markov ................................................................................ 25 2.10.3. Redes neuronales ................................................................................................. 25 2.11. Redes Neuronales Profundas (DNN) ...................................................................... 26 2.12. Vosk ........................................................................................................................ 26 3. ESTADO DEL ARTE .................................................................................................... 27 3.1. Software .................................................................................................................. 27 3.2. Hardware ................................................................................................................. 30 4. SELECCIÓN DE COMPONENTES ELECTRÓNICOS Y SOFTWARE ................... 36 4.1. Elección de los componentes electrónicos .............................................................. 36 4.2. Elección del software .............................................................................................. 38 5. ALGORITMO Y CODIFICACIÓN DEL SISTEMA ................................................... 41 5.1. Diagrama de flujo ................................................................................................... 41 5.2. Encuesta .................................................................................................................. 41 5.3. Codificación del sistema ......................................................................................... 44 6. PRUEBAS DE FUNCIONAMIENTO .......................................................................... 48 6.1. Prueba 1 .................................................................................................................. 48 6.2. Prueba 2 .................................................................................................................. 52 6.3. Prueba 3 .................................................................................................................. 54 6.4. Prueba 4 .................................................................................................................. 57 7. CONCLUSIONES ......................................................................................................... 59 8. TRABAJOS FUTUROS ................................................................................................ 61 REFERENCIAS..................................................................................................................... 62 ANEXOS ............................................................................................................................... 71 | spa |
| dc.format.extent | 87 páginas. ilustraciones,(Trabajo completo) 4.158 KB | spa |
| dc.format.mimetype | application/pdf | spa |
| dc.language.iso | spa | spa |
| dc.source | https://catalogobiblioteca.ufps.edu.co/descargas/tesis/1161512_1161540 .pdf | spa |
| dc.title | Sistema de contenedores controlado por voz para la correcta clasificación de los residuos sólidos | spa |
| dc.type | Trabajo de grado - Pregrado | spa |
| dcterms.references | Á. Segura, L. Rojas, and Y. Pulido, "Sistemas de gestión de residuos sólidos," Espacios, vol. 41, no. 17, p. 22, 2020. | spa |
| dcterms.references | A. Savino, G. Solórzano, C. Quispe, and M. Correal, "Perspectiva de la Gestión de Residuos en América Latina y el Caribe," Oct. 2018. https://wedocs.unep.org/handle/20.500.11822/26448 (accessed Jul. 08, 2021). | spa |
| dcterms.references | J. C. Sayago Ortega, G. A. Carrillo Soto, and J. P. Rojas Suárez, “Management of urban solid waste in the two first decades of the XXI century in the city of San José de Cúcuta, Colombia," J. Phys. Conf. Ser., vol. 1388, no. 1, Nov. 2019, doi: 10.1088/1742- 6596/1388/1/012010. | spa |
| dcterms.references | J. A. Astaiza and M. S. Cerón, "Estrategia didáctica basada en TIC para la descripción del proceso de la separación de residuos sólidos aprovechables en la fuente," Uniautónoma del Cauca. Facultad de Ingeniería. Programa de Ingeniería de Sistemas Informáticos, Cauca, 2020. | spa |
| dcterms.references | L. Ortega, D. Borrero, and C. Pérez, “Diseño, ensamble y puesta en funcionamiento de depósito colector de residuos sólidos automatizado," Universidad Piloto de Colombia, Bogotá D.C, 2020. | spa |
| dcterms.references | Corporación Punto Azul, "Colombia solo recicla 17% de sus residuos y la meta es 40% a 2030," Sep. 29, 2020. https://www.puntoazul.com.co/noticias/colombia-recicla-17-de-sus- residuos-y-la-meta-es-llegar-al-40-a-2030/ (accessed Aug. 17, 2021). | spa |
| dcterms.references | Corponor, "Residuos sólidos promovemos el manejo integral," Territ. Verde, no. 3, May 2018, Accessed: Aug. 17, 2021. [Online]. Available: https://corponor.gov.co/e/images/Tercera_Edición_Gaceta.pdf. | spa |
| dcterms.references | ONU, "Objetivo 12: Garantizar modalidades de consumo y producción sostenible," Sep. 25, 2015. https://www.un.org/sustainabledevelopment/es/sustainable-consumption- production/ (accessed Mar. 06, 2023). | spa |
| dcterms.references | S. Hernández Flechas and L. R. Corredor González, "Reflexiones sobre la importancia económica y ambiental del manejo de residuos en el siglo XXI," Rev. Tecnol., vol. 15, no. 1, pp. 57–76, 2016, Accessed: Oct. 29, 2021. [Online]. Available: https://dialnet.unirioja.es/servlet/articulo?codigo=6041529&info=resumen&idioma=SPA. [ | spa |
| dcterms.references | Banco Mundial, "Los desechos: un análisis actualizado del futuro de la gestión de los desechos sólidos," Sep. 20, 2018. https://www.bancomundial.org/es/news/immersive- story/2018/09/20/what-a-waste-an-updated-look-into-the-future-of-solid-waste- management (accessed Oct. 29, 2021). | spa |
| dcterms.references | S. Kaza, L. Yao, P. Bhada-Tata, and F. Van Woerden, What a Waste 2.0: A Global Snapshot of Solid Waste Management to 2050, 1st ed. Washington: World Bank, 2018. | spa |
| dcterms.references | S. Smith, "The Breadth and Depth of DSP," in The Scientist and Engineer's Guide to Digital Signal Processing, 1st ed., San Diego: California Technical Publishing, 1997, pp. 1-10. | spa |
| dcterms.references | B. A. Shenoi, Introduction to digital signal processing and filter design, 1st ed. New Jersey: John Wiley & Sons, 2006. | spa |
| dcterms.references | G. Pajares, Análisis y reconocimiento de voz, 1st ed. RC Libros, 2017. | spa |
| dcterms.references | MATLAB & Simulink, "Audio Toolbox," 2017. https://la.mathworks.com/products/audio.html (accessed Nov. 07, 2021). | spa |
| dcterms.references | P.. R. Hill, AUDIO AND SPEECH PROCESSING WITH MATLAB, 1st ed. Taylor & Francis Group, 2019. | spa |
| dcterms.references | D. Amos, "The Ultimate Guide To Speech Recognition With Python," 2018. Accessed: Nov. 07, 2021. [Online]. Available: https://realpython.com/python-speech-recognition/. | spa |
| dcterms.references | M. Ángeles, "IRBin; el robot que educa sobre reciclaje," 2019. https://departamento.pucp.edu.pe/ingenieria/2020/02/17/irbin-el-robot-que-educa-sobre- reciclaje/ (accessed Nov. 07, 2021). | spa |
| dcterms.references | C. Smith and A. Corripio, "Introducción - Un sistema de control de procesos," in Control automático de procesos, 2nd ed., LIMUSA S.A, Ed. México: LIMUSA S.A, 2014, pp. 1– 3. | spa |
| dcterms.references | K. Ogata, "Introducción a los sistemas de control," in Ingeniería de control moderna, 5th ed., PEARSON EDUCACIÓN S.A., Ed. Madrid: PEARSON EDUCACIÓN S.A., 2010, PP. 7-8. | spa |
| dcterms.references | A. de señales análogas y digitales Ambardar, "Señales Analógicas," in Procesamiento de señales análogas y digitales, 2nd ed., THOMSON EDITORES S.A, Ed. México: EDAMSA S.A, 2002, p. 8. | spa |
| dcterms.references | D. M. Auslander, "Digital Controllers," Encycl. Phys. Sci. Technol., pp. 441–460, Jan. 2003, doi: 10.1016/B0-12-227410-5/00175-7. | spa |
| dcterms.references | K. Ogata, "Introducción a los sistemas de control discreto," in Sistemas de control tiempo discreto, 2nd ed., Prentice Hall, Ed. Juárez: Prentice Hall, 1996, pp. 1-4. | spa |
| dcterms.references | D. Pérez, "Sistemas Embebidos y Sistemas Operativos Embebidos," Lect. en Ciencias la Comput.. pp. 4-10. Oct. 2009. | spa |
| dcterms.references | S. Salas Arriarán, "Conceptos básicos: Sistemas embebidos," in Todo sobre sistemas embebidos, 1st ed., D. Félix, Ed. Lima: Universidad Peruana de Ciencias Aplicadas, 2015, pp. 38-39. | spa |
| dcterms.references | G. Galeano, "Introducción- ¿Que es un sistema embebido?," in SISTEMAS EMBEBIDOS en C, 1st ed., México: Alfaomega, 2009, pp. 8-10. | spa |
| dcterms.references | F. Ebel and S. Nestel, "Notas generales - La importancia de la tecnología de los sensores," in Sensores para la técnica de procesos y manipulación., 1st ed., Esslingen: Festo Didactic KG, 1993, pp. 12-13. | spa |
| dcterms.references | L. Corona, G. Abarca, and J. Mares, Sensores y Actuadores. Aplicaciones con Arduino, 1st ed. Azcapotzalco: PATRIA S.A, 2014. | spa |
| dcterms.references | J. Guarella, J. P. Heredia, L. Rodríguez, and I. Bagatto, "Sensores y actuadores con motores," Universidad Nacional de la plata, Buenos Aires, 2011. | spa |
| dcterms.references | A. Géron, Hands-on Machine Learning whith Scikit-Learing, Keras and Tensorfow, 2nd ed. Sebastopol: O'reilly, 2019. | spa |
| dcterms.references | S. Russell and P. Norving, Artificial intelligence: A modern approach, 4th ed. Upper Saddle River: Person, 2021. | spa |
| dcterms.references | B. Mahesh, "Machine Learning Algorithms-A Review," Int. J. Sci. Res., vol. 9, no. 1, pp. 381-386, Jan. 2020, doi: 10.21275/ART20203995. | spa |
| dcterms.references | G. Hinton and T. Sejnowski, Unsupervised learning: Foundations of neural computation. Cambridg: MIT Press, 1999. | spa |
| dcterms.references | I. El Naqa and M. J. Murphy, "Machine Learning in Radiation Oncology," Mach. Learn. Radiat. Oncol., pp. 3-11, 2015, doi: 10.1007/978-3-319-18305-3. | spa |
| dcterms.references | J. Colás Pasamontes, "2.4.1.4 Técnicas más utilizadas aplicadas al Reconocimiento de Habla," Estud. Lingüística del Español, vol. 12, 2001, Accessed: Dec. 13, 2022. [Online]. Available: http://elies.rediris.es/elies12/cap2414.htm. | spa |
| dcterms.references | S. Clovis, "Sistema de reconocimiento automático del habla," Bit@Bit, vol. 3, no. 5, pp. 69-75, Jun. 2021, [Online]. Available: http://dicyt.uajms.edu.bo/revistas/index.php/bitabit/article/view/872/872. | spa |
| dcterms.references | J. J. Morales, "Elaboración, evaluación y optimización de modelos ocultos de markov para la transliteración de palabras del inglés a katakana," Escuela Politécnica Nacional, Quito, 2022. | spa |
| dcterms.references | G. Portillo Ramírez, "Reconocimiento de placas basado en modelos ocultos de Markov," Benemérita Universidad Autónoma de Puebla, Puebla, México, 2021. | spa |
| dcterms.references | K. Gurney, An Introduction to Neural Networks, 1st ed. 2017. | spa |
| dcterms.references | Y. Bengio, A. Courville, and P. Vincent, "Representation Learning: A Review and New Perspectives," IEEE Trans. Pattern Anal. Mach. Intell., vol. 35, pp. 1798-1828, Aug. 2013, doi: 10.1109/TPAMI.2013.5 | spa |
| dcterms.references | Microsoft, "¿Qué es el aprendizaje profundo?" https://azure.microsoft.com/es- es/resources/cloud-computing-dictionary/what-is-deep-learning/ (accessed Dec. 21, 2022). | spa |
| dcterms.references | Alpha Cephei, "VOSK Offline Speech Recognition API," Jan. 02, 2020. https://alphacephei.com/vosk/ (accessed Sep. 09, 2022). | spa |
| dcterms.references | E. Demirel, "Deep neural networks for automatic lyrics transcription," Queen Mary University, Londres, 2022. | spa |
| dcterms.references | B. Tarján, G. Szaszák, T. Fegyó, and P. Mihajlik, "Investigation on N-Gram Approximated RNNLMs for Recognition of Morphologically Rich Speech," International Conference on Statistical Language and Speech Processing, Springer Science and Business Media Deutschland GmbH, pp. 223-234, Sep. 2019. | spa |
| dcterms.references | H. Phan, L. Hertel, M. Maass, P. Koch, R. Mazur, and A. Mertins, “Improved Audio Scene Classification Based on Label-Tree Embeddings and Convolutional Neural Networks," IEEE/ACM Trans. Audio Speech Lang. Process., vol. 25, no. 6, pp. 1278– 1290, 2017, doi: 10.1109/TASLP.2017.2690564. | spa |
| dcterms.references | V. T. Tran and W. H. Tsai, "Stethoscope-Sensed Speech and Breath-Sounds for Person Identification with Sparse Training Data," IEEE Sens. J., vol. 20, no. 2, pp. 848-859, 2020, doi: 10.1109/JSEN.2019.2945364. | spa |
| dcterms.references | N. Ziafat, H. F. Ahmad, I. Fatima, M. Zia, A. Alhumam, and K. Rajpoot, "Correct pronunciation detection of the arabic alphabet using deep learning,” Appl. Sci., vol. 11, no. 6, pp. 1-19, 2021, doi: 10.3390/app11062508. | spa |
| dcterms.references | F. C. Ribeiro, R. T. S. Carvalho, P. C. Cortez, V. H. C. De Albuquerque, and P. P. R. Filho, "Binary Neural Networks for Classification of Voice Commands from Throat Microphone," IEEE Access, vol. 6, pp. 70130-70144, 2018, doi: 10.1109/ACCESS.2018.2881199. | spa |
| dcterms.references | S. Fernández and K. Ramos, “Implementación de un sistema con inteligencia computacional para identificar dificultad respiratoria a partir del procesamiento digital de señales de voz,” Universidad Antonio Nariño, 2021. | spa |
| dcterms.references | M. Smit and A. N. Al-Assimi, "Cascade Deep Neural Networks Classifiers for Phonemes Recognition," ARPN J. Eng. Appl. Sci., vol. 15, no. 7, pp. 1664–1670, 2020, doi: 10.36478/JEASCI.2020.1664.1670. | spa |
| dcterms.references | P. Arce, D. Salvo, G. Piñero, and A. Gonzalez, "FIWARE based low-cost wireless acoustic sensor network for monitoring and classification of urban soundscape," Comput.Networks, vol. 196, p. 108199, 2021, doi: 10.1016/j.comnet.2021.108199. | spa |
| dcterms.references | B. da Silva, A. W. Happi, A. Bracken, and A. Touhafi, “Evaluation of classical Machine Learning techniques towards urban sound recognition on embedded systems,” Appl. Sci., vol. 9, no. 18, 2019, doi: 10.3390/app9183885. | spa |
| dcterms.references | E. Cerezuela-Escudero, A. Jimenez-Fernandez, R. Paz-Vicente, M. Dominguez-Morales, A. Linares-Barranco, and G. Jimenez-Moreno, "Musical notes classification with neuromorphic auditory system using FPGA and a convolutional spiking network," Proc. Int. Jt. Conf. Neural Networks, vol. 2015-Septe, 2015, doi: 10.1109/IJCNN.2015.7280619. | spa |
| dcterms.references | P. P. Patange and J. S. R. Alex, "Implementation of ANN based speech recognition system on an embedded board," 2017 Int. Conf. Nextgen Electron. Technol. Silicon to Software, ICNETS2 2017, pp. 408-412, 2017, doi: 10.1109/ICNETS2.2017.8067968. | spa |
| dcterms.references | M. Bakouri et al., "Steering a Robotic Wheelchair Based on Voice Recognition System Using Convolutional Neural Networks," Electron., vol. 11, no. 1, pp. 1-17, 2022, doi: 10.3390/electronics11010168. | spa |
| dcterms.references | M. S. I. Sharifuddin, S. Nordin, and A. M. Ali, "Voice control intelligent wheelchair movement using CNNs," Proc. - 2019 1st Int. Conf. Artif. Intell. Data Sci. AiDAS 2019, pp. 40-43, 2019, doi: 10.1109/AiDAS47888.2019.8970865. | spa |
| dcterms.references | Spyder Website Contributors, “Spyder IDE." https://www.spyder-ide.org/ (accessed Dec. 09, 2022). | spa |
| dcterms.references | MINISTERIO DE AMBIENTE Y DESARROLLO SOSTENIBLE, "Resolución 2184 de 2019," Dec. 26, 2019. https://www.minambiente.gov.co/wp- content/uploads/2021/08/resolucion-2184-de-2019.pdf (accessed Nov. 05, 2021). | spa |
| dcterms.references | P. López and S. Fachelli, “Producción. El diseño de la muestra," in Metodología de la Investigación Social Cuantitativa, Bellaterra, España, 2017. | spa |
| dcterms.references | M. Geier, "Python-sounddevice. Release 0.4.5-1-g841e0a1," Aug. 2022. Accessed: Oct. 01, 2022. [Online]. Available: https://docs.conda.io/miniconda.html. | spa |
| dcterms.references | J. A. Cienfuegos, “Desarrollo de un asistente de voz para la generación de un cuaderno de bitácora digital," Centro Universitario de la Defensa, Vigo, España, 2021. | spa |
| dcterms.references | M. Boada Oriols and J. A. Gómez Gutierrez, El gran libro angular, 1st ed. Barcelona: Marcombo S.A, 2018. | spa |
| dcterms.references | Python, "JSON encoder and decoder," Dec. 18, 2020. https://docs.python.org/3.5/library/json.html (accessed Nov. 02, 2022). | spa |
| dcterms.references | TowerPro, "MG946R." https://www.towerpro.com.tw/product/mg946r/ (accessed Dec. 10, 2022). | spa |
| dcterms.references | Samer I. Mohamed & Amr Abdelnabi, "Agent-Based Convolution and Reinforcement Learning," BEST Int. J. Manag. Inf. Technol. Eng. (BEST IJMITE), vol. 5, no. 12, pp. 17- 28, 2017. | spa |
| dcterms.references | Samer I. Mohamed & Amr Abdelnabi, "Agent-Based Convolution and Reinforcement Learning," BEST Int. J. Manag. Inf. Technol. Eng. (BEST IJMITE), vol. 5, no. 12, pp. 17- 28, 2017. | spa |
| dcterms.references | J. J. Peralta, C. A. Narváez, M. P. Orellana, P. A. Patiño, and P. Cedillo, "Evaluación del reconocimiento de voz entre los servicios de Google y Amazon aplicado al Sistema Integrado de Seguridad ECU 911," Rev. Tecnológica-ESPOL, vol. 33, no. 2, pp. 147-158, Oct. 2021. doi: https://doi.org/10.37815/rte.v33n2.840. | spa |
| dcterms.references | R. Errattahi, A. El Hannani, and H. Ouahmane, “Automatic speech recognition errors detection and correction: A review," Procedia Comput. Sci., vol. 128, pp. 32-37, 2018, doi: 10.1016/j.procs.2018.03.005. | spa |
| dcterms.references | Azure-Microsoft, "Prueba de la precisión de un modelo de Habla personalizada," Nov. 29, 2022. https://learn.microsoft.com/es-es/azure/cognitive-services/speech-service/how-to- custom-speech-evaluate-data?pivots-speech-studio (accessed Dec. 12, 2022). | spa |
| dc.contributor.corporatename | Universidad Francisco de Paula Santander | spa |
| dc.description.degreelevel | Pregrado | spa |
| dc.description.degreename | Ingeniero(a) Electrónico(a) | spa |
| dc.publisher.faculty | Facultad de Ingeniería | spa |
| dc.publisher.place | San José de Cúcuta | spa |
| dc.publisher.program | Ingeniería Electrónica | spa |
| dc.rights.accessrights | info:eu-repo/semantics/openAccess | spa |
| dc.rights.creativecommons | Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) | spa |
| dc.subject.lemb | Residuos sólidos | |
| dc.subject.lemb | Reciclaje | |
| dc.subject.lemb | Herramientas vosk | |
| dc.subject.proposal | Reciclaje | spa |
| dc.subject.proposal | Herramienta Vosk | spa |
| dc.subject.proposal | Residuos sólidos | spa |
| dc.subject.proposal | Redes neuronales | spa |
| dc.subject.proposal | Reconocimiento de voz | spa |
| dc.type.coar | http://purl.org/coar/resource_type/c_7a1f | spa |
| dc.type.content | Text | spa |
| dc.type.driver | info:eu-repo/semantics/bachelorThesis | spa |
| dc.type.redcol | https://purl.org/redcol/resource_type/TP | spa |
| oaire.accessrights | http://purl.org/coar/access_right/c_abf2 | spa |
| oaire.version | http://purl.org/coar/version/c_970fb48d4fbd8a85 | spa |
| dc.type.version | info:eu-repo/semantics/publishedVersion | spa |
| dc.contributor.jury | Castro Casadiego, Sergio Alexander | |
| dc.contributor.jury | Tarazona Anteliz, Julián Orlando |
