Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 104-113
https://revistas.ulasalle.edu.pe/innosoft
Esta obra está bajo una Licencia
Creative Commons Atribución
4.0 Internacional.
Tipo de artículo: Artículos originales
Temática: Procesamiento de imágenes
Recibido: 18/05/2024 | Aceptado: 26/07/2024 | Publicado: 30/09/2024
Identificadores persistentes:
DOI: 10.48168/innosoft.s16.a160
ARK: ark:/42411/s16/a160
PURL: 42411/s16/a160
Modelo Basado en YOLOv8 para la Detección de Residuos
Sólidos
YOLOv8-Based Model for Solid Waste Detection
Rodrigo Alonso Guevara Saldaña1*, Marcos Iván Díaz Tomás2, Marcelino Torres Villanueva3
1Universidad Nacional de Trujillo. t1053300621@unitru.edu.pe
2Universidad Nacional de Trujillo. t1533300221@unitru.edu.pe
3Universidad Nacional de Trujillo. mtorres@unitru.edu.pe
∗Autor para correspondencia: t1533300621@unitru.edu.pe
Resumen
El principal motivo de este artículo fue la práctica de reconocimiento de objetos, utilizando la tecnología de
Ultralytics, YOLOv8, aplicando el aprendizaje supervisado y otros métodos de machine learning. Se tomó
en cuenta las definiciones de la detección de objetos y entrenamiento de modelos para clasificar los residuos
sólidos para que estos sean después reciclados, para luego identificar manualmente cada clase de objeto con el
etiquetador LabelImg, tomando en cuenta las posiciones de cada objeto en las imágenes. Se analizaron 1517
imágenes dándonos unos resultados excelentes y considerables.
Palabras claves: Detección, Aprendizaje profundo, Residuos Sólidos, YOLO
Abstract
The primary focus of this article was to employ Ultralytics technology, specifically YOLOv8, in object recogni-
tion. This involved utilizing supervised learning and other machine learning techniques. The article took into
consideration the definitions of object detection and model training to effectively categorize solid waste, thereby
facilitating recycling efforts. Following this, each object class was manually identified using the LabelImg tagger,
considering the positions of the objects within the images. This approach led to the analysis of 1517 images and
produced notably high-quality and significant results.
Keywords: Detection, Deep Learning, Solid Waste, YOLO.
Introducción
Muchas cosas que vemos a menudo podemos identificarlas sin problemas, es posible porque desde que tenemos
razón nos enseñan a nombrar las cosas por un nombre conocido por nuestra comunidad que nos rodea. Tomando
esta premisa como punto inicial, el crecimiento de las inteligencias artificiales y el desarrollo del aprendizaje
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
104
Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 104-113
https://revistas.ulasalle.edu.pe/innosoft
profundo; hablaremos sobre el tan conocido tema de la detección de objetos. La aplicación de estas tecnologíías
ha mostrado grandes resultados, por ejemplo, en sistemas de detección de peatones [1] se usa bastante esta
definición, haciendo que el modelo de aprendizaje sea entrenado rigurosamente.
La detección de objetos utiliza el aprendizaje profundo y la visión por computadora o artificial para lograr
identificar un objeto dentro de una imagen utilizando diferentes métodos o enfoques, la detección en tiempo
real requiere de una precisión adecuada y tiempos de respuesta cortos, necesidades que métodos como YOLO,
SSD o RetinaNet cuentan y, por lo tanto, los hacen adecuados para esta tarea [2]; ya que la detección de objetos
puede llevarse a diversos rubros de las industrias, la detección de tumores [3] o la detección de objetos pequeños
para imágenes aéreas [4].
Al momento de hablar sobre residuos sólidos nos referimos a los materiales (sólidos o semisólidos) inservibles
que no tienen un uso directo y se tiene la necesidad de eliminarlos [5]. Es por ello que la gestión de estos
se ha convertido en un tema de gran interés que se encuentra relacionado con muchos temas que guardan
mucha relación con la problemática ambiental que nos está afectando a nosotros [6], es por ello que tenemos la
necesidad de poder separar los tipos de residuos, ya sean papeles, cartón u objetos de plástico.
EL objetivo de este trabajo fue aportar soluciones tecnológicas a la gestión de residuos sólidos, y como dice [7],
YOLOv8 es una red de detección de objetos en tiempo real, el cual se orienta a la regresión, para que así una
sola red neuronal nos predijo cuadros delimitadores y probabilidades de clases asociadas.
Materiales y métodos o Metodología computacional
Hardware y Software
La computadora donde se realizó el trabajo cuenta con las siguientes especificaciones: Procesador Intel Core i7
6700, memoria RAM DDR4 de 8GB y una tarjeta gráfica NVIDIA RTX 2060 con 6GB de VRAM. El trabajo se
realizó dentro del sistema operativo Windows 10, utilizando el lenguaje de programación Python en su versión
3.11.0, la librería Ultralytics YOLOv8 y sus dependencias junto con Pytorch con soporte para GPU.
Conjunto de Datos
Los elementos del conjunto de datos son clases, imágenes y anotaciones o etiquetas. Las clases son todos los
diferentes objetos que el modelo deberá ser capaz de detectar. En las imágenes se encuentran las clases, los
objetos deben tener diferentes características como color o tamaño para una mayor variedad en los datos.
Las etiquetas son archivos de texto donde se encuentra la ubicación y tamaño de cada clase presente en una
imagen.
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
105
Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 104-113
https://revistas.ulasalle.edu.pe/innosoft
Las clases son residuos sólidos comunes que pueden encontrarse en la mayoría de ambientes. Los residuos
incluidos son de diferentes materiales y se encuentran en diferentes formas o presentaciones. A continuación,
se presentan las clases utilizadas y una pequeña descripción:
carton: Cajas de cartón.
electrico_cable: Cables de corriente, USB, etc.
electrico_chip: Circuitos PCB.
electrico_pila: Pilas y baterías.
madera: Tablones de madera.
medicinal_guante: Guantes médicos desechables.
medicinal_mascarilla: Mascarillas desechables.
metal_contenedor: Envases de metal.
metal_lata: Latas de bebidas de metal.
metal_pieza: Piezas de metal como tornillos, alambre, cables, varas.
organico_hoja: Hojas de árboles o plantas.
papel_hoja: Hojas de papel intactas o arrugadas.
papel_periodico: Periódicos.
papel_vaso: Vasos de papel.
plastico_bolsa: Bolsas de plástico.
plastico_botella: Botellas de plástico.
plastico_cubierto: Tenedores, cucharas o cuchillos de plástico.
plastico_envase: Tapers, contenedores y demás envases de plástico.
lastico_vaso: Vasos de plástico.
spray_envase: Latas de spray o aerosoles.
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
106
Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 104-113
https://revistas.ulasalle.edu.pe/innosoft
vidrio_botella: Botellas de bebidas de vidrio.
Las imágenes que conforman el conjunto de datos, algunas son provenientes del conjunto de datos TrashBox [8].
Las imágenes de las clases madera y organico_hoja se obtuvieron con el software WFdownloader [9], está he-
rramienta permite descargar grandes cantidades de imágenes de diversas páginas web automáticamente.
El etiquetado de las imágenes recolectadas se realizó con el software LabelImg [10]. En cada imagen, se dibujó
un cuadro delimitador o bounding box donde se encuentra una instancia de una clase, la herramienta se encarga
de crear las etiquetas en formato YOLO [11], basándose en los cuadros delimitadores dibujados. En la Figura 1,
se muestra una imagen donde se dibujaron los cuadros delimitadores para tres instancias de la clase metal_lata.
Figura 1. Herramienta LabelImg para etiquetar imágenes.
El conjunto de datos está conformado por 1517 imágenes con un total de 4860 instancias. Este conjunto de
datos se dividió en dos partes, una destinada para entrenar el modelo y otra para validar el modelo. El conjunto
de datos para entrenamiento constó de 1098 imágenes con 3514 instancias, y para validar, 419 imágenes con
1346 instancias.
YOLOv8 utiliza un archivo de configuración en formato .yaml para indicar las carpetas con los datos para
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
107
Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 104-113
https://revistas.ulasalle.edu.pe/innosoft
entrenar y validar [2], así como también las clases a utilizar, siguiendo la siguiente estructura:
train: Carpeta con las imágenes y etiquetas para el entrenamiento del modelo.
val: Carpeta con las imágenes y etiquetas para la validación del modelo.
nc: Número de clases del conjunto de datos.
names: Nombres de las clases utilizadas.
Métricas
En [2]-[12] - [13], se utilizan valores como IoU, AP y mAP para evaluar modelos basados en YOLO y otros
modelos similares para la detección de objetos.
Según [14], IoU (Intersection over Union, o Intersección sobre Unión) es un valor que determina la superposición
del cuadro delimitador detectado sobre el cuadro real. El valor P (Precision, o precisión) mide la cantidad de
verdaderos positivos sobre todas las predicciones positivas. R (Recall, o rellamada) se encarga de calcular la
proporción de verdaderos positivos sobre todos los positivos reales. AP (Average precision, o precisión promedio)
es el área sobre la curva P/R (Precision and recall) de cada clase, es utilizado para medir la relación entre
precisión y rellamada del modelo. mAP (Mean average precisión, o precisión promedio media) es similar a AP,
pero se calcula para todas las clases dentro del conjunto de datos, sirve para evaluar el rendimiento general del
modelo.
YOLOv8 utiliza los siguientes valores para la validación de modelos [15]:
P: Capacidad para detectar los objetos correctamente.
R: Capacidad de detectar todas las instancias de objetos en las imágenes.
mAP50: Precisión promedio media para un valor IoU de 0,50.
mAP50-95: Precisión promedio media calculada para valores IoU en el rango de 0,50 y 0,95.
Entrenamiento del Modelo
YOLOv8 tiene diferentes modelos pre entrenados para facilitar el entrenamiento de modelos con un conjunto de
datos personalizado. Estos modelos fueron entrenados con el conjunto de datos COCO [16], las especificaciones
se muestran en la Tabla 1.
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
108
Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 104-113
https://revistas.ulasalle.edu.pe/innosoft
Tabla 1. Comparación de Modelos YOLOv8 pre entrenados.
Modelo Tamaño
de Imagen
(píxeles)
mAP50-95 Velocidad
A100 (ms)
Parámetros
(M)
FLOPS
(B)
YOLOv8n 640 37,3 0,99 3,2 8,7
YOLOv8s 640 44,9 1,20 11,2 28,6
YOLOv8m 640 50,2 1,83 25,9 78,9
YOLOv8l 640 52,9 2,39 42,7 165,2
YOLOv8x 640 53,9 3,53 68,2 257,8
La principal diferencia entre estos modelos es el valor de mAP y la velocidad. Basándonos en estas cifras, mo-
delos como YOLOv8l o YOLOv8x logran mayor precisión a costa de velocidad y requiriendo mayor potencia
de cómputo.
Considerando las limitaciones de hardware y el tamaño del conjunto de datos, el modelo pre entrenado selec-
cionado para este trabajo fue YOLOv8s.
El entrenamiento de modelos basados en YOLOv8 puede hacerse a través de scripts en el lenguaje de progra-
mación Python, como también con una CLI (Interfaz de línea de comandos) [17]. Para este trabajo se utilizó
la CLI, donde indicamos el archivo .yaml con las carpetas para los datos de entrenamiento, el modelo pre
entrenado seleccionado y los hiper parámetros batch y epoch.
Los hiper parámetros son valores para controlar el aprendizaje de nuestro modelo. En [18], batch se define
como el número de muestras procesadas antes de actualizar el modelo, y epoch es el número de pasadas sobre
el conjunto de datos. Ambos parámetros son usados para actualizar el modelo, mejorando la precisión de este.
Validación
En [19] se explica que YOLOv8 tiene la capacidad de validar el modelo para analizar el rendimiento de este y
poder mejorarlo. De la misma manera que el entrenamiento, se utilizó la herramienta CLI para la validación,
donde indicamos el modelo ya entrenado con el conjunto de datos de residuos sólidos, el archivo .yaml donde
se encuentra la carpeta con los datos de validación. Los resultados de la validación determinaran la eficiencia
del modelo.
Resultados y discusión
Los resultados de la validación del modelo se muestran en la Tabla 2
Los resultados muestran que el modelo en general tiene una gran precisión para clases como electrico_cable, elec-
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
109
Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 104-113
https://revistas.ulasalle.edu.pe/innosoft
Tabla 2. Resultados de Validación del Modelo
Clases Instancias P R mAP50 mAP50-95
Todas 1346 0,97 0,99 0,991 0,909
carton 22 0,981 1 0,995 0,995
electrico_cable 22 0,97 1 0,995 0,94
electrico_chip 27 0,998 1 0,995 0,935
electrico_pila 62 0,98 1 0,995 0,915
madera 95 0,969 0,999 0,994 0,873
medicinal_guante 109 0,855 0,844 0,923 0,724
medicinal_mascarilla 30 0,948 1 0,995 0,927
metal_contenedor 39 0,963 1 0,995 0,972
metal_lata 135 0,964 1 0,994 0,919
metal_pieza 75 0,95 1 0,994 0,893
organico_hoja 159 0,992 0,952 0,979 0,781
papel_hoja 82 0,997 1 0,995 0,866
papel_periodico 45 0,937 0,988 0,993 0,917
papel_vaso 67 0,982 1 0,995 0,919
plastico_bolsa 23 0,981 1 0,995 0,984
plastico_botella 51 0,994 1 0,995 0,953
plastico_cubierto 88 0,988 1 0,995 0,848
plastico_envase 75 0,994 1 0,995 0,928
plastico_vaso 39 0,989 1 0,995 0,94
spray_envase 60 0,996 1 0,995 0,918
vidrio_botella 41 0,99 1 0,995 0,951
trico_chip, electrico_pila, plastico_bolsa, plastico_botella, plastico_cubierto, plastico_envase, plastico_vaso,
spray_envase y vidrio_botella. La clase medicinal_guante es la única clase con precisión menor a 0,90, para
mejorar este valor se pueden añadir más datos de esta clase en un futuro entrenamiento y así mejorar su
variedad. En la Figura 2 se puede apreciar una instancia de la clase medicinal_guante detectada por el modelo.
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
110
Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 104-113
https://revistas.ulasalle.edu.pe/innosoft
Figura 2. Detección de medicinal_guante.
Conclusiones
Con una precisión del 0.90, el modelo entrenado puede facilitar la clasificación de residuos sólidos al imple-
mentarse en plantas de procesamiento de residuos sólido, evitando que trabajadores puedan verse afectados
por entrar en contacto con residuos sólidos peligrosos para la salud, además de la automatización y mejorar
la eficiencia. Aunque debido al tamaño del conjunto de datos, será necesario añadir más clases y así poder
detectar todos los tipos de residuos sólidos que se puedan generar dentro de una ciudad.
Contribución de Autoría
Rodrigo Alonso Guevara Saldaña: Conceptualización,Investigación,Metodología,Software,Validación,Redac-
ción - borrador original,Administración de proyectos.
Marcos Iván Díaz Tomás: Visualización,Supervisión,Curación de datos,Escritura, revisión y edición.
Marcelino Torres Villanueva: Supervisión,Escritura y revisión.
Referencias
[1] M. Razzok, A. Badri, I. E. Mourabit, Y. Ruichek, and A. Sahel, “Pedestrian detection under weather
conditions using conditional generative adversarial network,” Int J Artif Intell, vol. 12, no. 4, pp. 1557–
1568, 2023.
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
111
Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 104-113
https://revistas.ulasalle.edu.pe/innosoft
[2] U. Sirisha, S. P. Praveen, P. N. Srinivasu, P. Barsocchi, and A. K. Bhoi, “Statistical analysis of design
aspects of various yolo-based deep learning models for object detection,” International Journal of Compu-
tational Intelligence Systems, vol. 16, no. 1, p. 126, 2023.
[3] M. G. Dinesh, N. Bacanin, S. S. Askar, and M. Abouhawwash, “Diagnostic ability of deep learning in
detection of pancreatic tumour,” Scientific Reports, vol. 13, no. 1, p. 9725, 2023.
[4] K. Niu and Y. Yan, “A small-object-detection model based on improved yolov8 for uav aerial images,”
in 2023 2nd International Conference on Artificial Intelligence and Intelligent Information Processing
(AIIIP). IEEE, 2023, pp. 57–60.
[5] “Región natural año 5. residuos sólidos,” 2012. [Online]. Available: https://www.inei.gob.pe/media/
MenuRecursivo/publicaciones_digitales/Est/Lib1756/cap05.pdf
[6] A. F. M. Rendón, “Caracterización de residuos sólidos,” Cuaderno activa, vol. 4, pp. 67–72, 2012.
[7] D. Horcajada Jiménez, “Metodología para la detección de objetos en imágenes basada en la librería yolo
con aplicación a la detección de carros,” Master’s thesis, Unknown, 2021.
[8] N. V. Kumsetty, A. B. Nekkare, S. Kamath S, and A. Kumar M, “Trashbox: Trash detection and classifi-
cation using quantum transfer learning,” 2022.
[9] “Wfdownloader app - free bulk image downloader and multi-purpose bulk downloader,” 2023. [Online].
Available: https://www.wfdownloader.xyz/
[10] G. Boesch, “Labelimg for image annotation - viso.ai,” 2022. [Online]. Available: https://viso.ai/
computer-vision/labelimg-for-image-annotation/
[11] Ultralytics, “Object detection datasets overview,” 2023. [Online]. Available: https://docs.ultralytics.com/
es/datasets/detect/#supported-datasets
[12] Y. M. Tang, W. T. Kuo, and C. K. Lee, “Real-time mixed reality (mr) and artificial intelligence (ai) object
recognition integration for digital twin in industry 4.0,” Scopus, 2023.
[13] J. Hui, “map (mean average precision) for object detection,” 2018. [Online]. Available: https:
//jonathan-hui.medium.com/map-mean-average-precision-for-object-detection-45c121a31173
[14] Ultralytics, “Yolo performance metrics,” 2023. [Online]. Available: https://docs.ultralytics.com/es/guides/
yolo-performance-metrics/
[15] ——, “Yolov8,” 2023. [Online]. Available: https://docs.ultralytics.com/es/models/yolov8/
#performance-metrics
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
112
Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 104-113
https://revistas.ulasalle.edu.pe/innosoft
[16] ——, “Train,” 2023. [Online]. Available: https://docs.ultralytics.com/es/modes/train/
[17] J. Brownlee, “What is the difference between a batch and an epoch in a neural network,” Machine Learning
Mastery, vol. 20, 2018.
[18] Ultralytics, “Val,” 2023. [Online]. Available: https://docs.ultralytics.com/es/modes/val/
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
113
