Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Barrero Pérez, Jaime GuillermoSastre Lozada, Cristian AlejandroRamírez Ardila, Juan DiegoGaleano Díaz, Nicodemo2023-03-102023-03-102023-03-092023-03-09https://noesis.uis.edu.co/handle/20.500.14071/12482En este trabajo se presenta un algoritmo de inteligencia artificial, implementado en dos sistemas embebidos buscando desarrollar y comparar dos productos posibles. las tarjetas escogidas fueron: la tarjeta Jetson nano 2GB de NVIDIA y la Raspberry Pi 3 Model B +. Este algoritmo reconoce automáticamente distintos materiales reciclables. Para esto se creo una base de 3500 imágenes de diferentes fuentes, el cual pasó por un proceso de tratamiento y filtrado. Posteriormente se entrenaron tres algoritmos: EfficientNet, MobileNetV2 y MobileNetV2-FPN. El algoritmo escogido fue el basado en la MobileNet-FPN mostrando el mejor desempeño teniendo en cuenta características como la función de perdida y la precisión de detección del modelo. Luego se realizaron pruebas de funcionamiento con materiales reciclables, usando la implementación propuesta en las dos tarjetas. Finalmente se escogió la Jetson nano para la implementación, ya qué mostró mejor relación de costo-beneficio, desempeño y velocidad en la detección.application/pdfspainfo:eu-repo/semantics/openAccessRedes Neuronales ConvolucionalesTensorflowKerasMaterial ReciclableClasificación autónomaBasuraUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coConvolutional neural networksTensorflowKerasRecyclable materialAutonomous classificationTrashhttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)