Smart Cities Gestión ambiental por IoT

ÑañoClean

Sistema inteligente de gestión y clasificación de residuos urbanos. Mide el nivel de llenado de los contenedores en tiempo real y clasifica cada residuo con visión artificial, para reciclar mejor y recolectar solo cuando hace falta.

nanoclean.uidehub.tech
< 3 sInferencia YOLOv8
85 %Umbral de llenado
320 msLatencia media HTTP
5 minMuestreo de nivel
4Categorías de residuo
TLS 8883MQTT cifrado

El problema

La basura no se separa en origen, y nadie sabe cuándo un contenedor está realmente lleno.

Cuando los residuos reciclables se mezclan desde el punto de descarte, el material queda contaminado y pierde su valor de reciclaje de forma irreversible. A eso se suma que hoy no existe un monitoreo del nivel de llenado de los contenedores, así que los camiones recolectan rutas fijas sin saber qué recipiente necesita atención y cuál no.

El resultado son rutas de recolección ineficientes, contenedores que se desbordan mientras otros se visitan medio vacíos, y toneladas de material reciclable que terminan en el relleno sanitario. ÑañoClean ataca las dos causas a la vez: clasifica el residuo en el momento y reporta el nivel de cada contenedor en vivo.

Contenedor de residuos urbano desbordado en la calle
Contenedor desbordado: hoy nadie mide el nivel de llenado en tiempo real.

Cómo funciona

Una arquitectura IoT de nivel 4: decisiones en el borde, memoria en la nube.

El procesamiento pesado de visión ocurre localmente para responder al instante, mientras la nube guarda la telemetría y el histórico. El dato viaja por dos rutas que convergen en el backend.

Trabajo de ingeniería sobre el nodo Edge del sistema
Nodo Edge · inferencia local con YOLOv8
Ruta A

Telemetría de llenado

El sensor ultrasónico mide la distancia hasta la superficie de residuos. El ESP32 la filtra y avisa cuando el contenedor se llena.

HC-SR04ESP32MQTT · TLS 8883HiveMQ CloudBackendDashboard

Sensor ultrasónico HC-SR04 + microcontrolador ESP32

Ruta B

Clasificación por visión

La laptop procesa el video cuadro a cuadro en el borde y clasifica cada residuo en menos de tres segundos con YOLOv8.

WebcamLaptop EdgeYOLOv8HTTPS POSTBackendRegistro histórico

Webcam USB + laptop como nodo Edge con inferencia local

MQTTTelemetría ligera del ESP32, overhead mínimo sobre TLS.
HTTPSEnvío seguro de las etiquetas de clasificación al backend.
WebSocketsActualiza el dashboard en vivo sin recargar la página.

Clasificación

Cuatro categorías, decididas en el borde en menos de tres segundos.

El modelo YOLOv8 corre localmente sobre el video de la webcam y asigna cada residuo a una de estas clases. El color no es decorativo: es el código con el que el sistema separa el material.

Manos sosteniendo tierra fértil y hojas
OrgánicoRestos de comida y material biodegradable.
Botellas de plástico listas para reciclar
PlásticoEnvases, botellas y films reciclables.
Botellas de vidrio recolectadas para reciclaje
VidrioBotellas y frascos de vidrio.
Latas de aluminio
MetalLatas y envases metálicos.

Fase actual

Prototipo integral, en camino a la demostración de fin de semestre.

Validado

  • Pruebas de latencia con respuesta media de 320 ms
  • Filtro de promedio móvil sobre 5 lecturas para aislar ruido

En construcción

  • Nodo ESP32 publicando por MQTT seguro (TLS)
  • Estación Edge con YOLOv8 offline sobre video en vivo
  • Dashboard web consumiendo HiveMQ y ThingSpeak por WebSockets

Fuera de alcance este semestre

  • Contenedores con compuertas motorizadas
  • Despliegue sobre redes celulares o WAN distribuidas

El equipo

Quiénes construyen ÑañoClean

Denis L. Rodríguez
Gabriel A. Diaz
Nicolas A. Cevallos
Nicole B. Abad

Universidad Internacional del Ecuador · Dominio de aplicación: Smart Cities y gestión ambiental