An Ensemble Learning Approach towards Waste Segmentation in Cluttered Environment

Resumen Técnico: Enfoque de Aprendizaje por Ensemble para la Segmentación de Residuos en Entornos Desordenados

1. Planteamiento del Problema

La gestión de residuos es un desafío global crítico debido al aumento de la población y el consumismo. Las instalaciones de recuperación de materiales (MRF) dependen tradicionalmente de mano de obra humana para la clasificación, lo cual es ineficiente. Aunque la robótica y la visión por computadora han avanzado, la segmentación de residuos en entornos reales presenta dificultades significativas:

• Entornos desordenados (Clutter): Los objetos de residuos suelen estar superpuestos, ocluidos y deformados, lo que dificulta su identificación.
• Variabilidad: Existe una gran diversidad en tamaños, formas y materiales.
• Limitaciones de modelos existentes: La mayoría de los estudios se centran en la clasificación o detección (cajas delimitadoras), pero la automatización completa requiere segmentación a nivel de píxel (máscaras precisas) para que los robots puedan manipular los objetos. Los modelos actuales a menudo fallan en escenarios complejos donde los objetos no están aislados.

2. Metodología

El estudio propone un enfoque de Aprendizaje por Ensemble (Ensemble Learning) para mejorar la precisión de la segmentación semántica.

• Dataset: Se utilizó el dataset ZeroWaste-f, un conjunto de datos público diseñado específicamente para simular escenarios reales de MRF, caracterizado por imágenes altamente desordenadas y objetos deformados.
• Preprocesamiento:
  • Redimensionamiento de imágenes a 320x480 para optimizar recursos.
  • Aumento de datos (flipping, escalado, rotación, ruido, transformaciones de perspectiva y ajuste de color).
  • Normalización basada en ImageNet y uso de Transfer Learning con pesos pre-entrenados.
• Selección de Modelos Base: Se evaluaron siete modelos de vanguardia (U-Net, U-Net++, MANet, LinkNet, FPN, PSPNet, PAN). Los resultados preliminares identificaron a U-Net y FPN (Feature Pyramid Network) como los mejores candidatos individuales:
  • U-Net: Destaca por capturar detalles finos y bordes (alto IoU).
  • FPN: Eficaz para manejar variaciones de escala y contexto (baja pérdida Dice).
• Arquitectura Propuesta (EL-4):
  • Se combinaron U-Net y FPN en un modelo de ensemble.
  • Backbone: Ambos modelos utilizan EfficientNet (variantes B0 a B4) como red codificadora para reducir costos computacionales y extraer características eficientes.
  • Mecanismo de Fusión: Se implementó un promedio ponderado (stacking y averaging) de las máscaras de segmentación generadas por ambos modelos. Esta combinación aprovecha la diversidad de predicciones para mejorar la precisión final.
  • Entrenamiento: Se utilizó la función de pérdida Dice Loss y el optimizador Adam. La métrica principal fue el IoU (Intersección sobre Unión).

3. Contribuciones Clave

1. Evaluación Exhaustiva: Se compararon siete modelos de segmentación de última generación en el dataset ZeroWaste-f, demostrando que U-Net y FPN son superiores en este dominio específico.
2. Propuesta de Modelo Ensemble: Se formuló un nuevo modelo (EL) que combina U-Net y FPN mediante un mecanismo de promedios, logrando superar el rendimiento de los modelos individuales.
3. Optimización Computacional: Se exploraron cinco variantes del modelo ensemble (EL-0 a EL-4) utilizando diferentes codificadores EfficientNet (B0-B4) para equilibrar la precisión con el costo computacional, identificando a EL-4 (con EfficientNet-B4) como el óptimo.

4. Resultados

Los experimentos se realizaron en Google Colab con GPU NVIDIA Tesla T4. Los resultados muestran una mejora significativa respecto a los modelos base:

• Rendimiento Individual (Test):
  • U-Net: IoU = 0.8065, Dice Loss = 0.2084.
  • FPN: IoU = 0.7953, Dice Loss = 0.1183.
• Rendimiento del Modelo Ensemble (EL-4):
  • IoU: Alcanzó 0.8306 en el conjunto de prueba, superando a U-Net (el mejor modelo individual) en un 2.4%.
  • Dice Loss: Redujo la pérdida a 0.09019, mejorando significativamente la similitud con la máscara real en comparación con FPN (0.1183).
  • Generalización: El modelo EL-4 demostró la mejor capacidad de generalización en datos no vistos (validación y prueba), con una pérdida de Dice consistentemente más baja en todas las variantes de EfficientNet.

5. Significado e Impacto

Este estudio ofrece una solución práctica para la automatización de las MRF:

• Eficiencia Operativa: Al mejorar la precisión de la segmentación en entornos desordenados, se facilita la localización y manipulación precisa de residuos por parte de robots, reduciendo la necesidad de intervención humana.
• Calidad del Reciclaje: Una segmentación más precisa permite una mejor separación de materiales, lo que resulta en materias primas de mayor calidad para el reciclaje y reduce la contaminación cruzada.
• Viabilidad Técnica: Demuestra que la combinación de arquitecturas complementarias (U-Net para bordes, FPN para contexto) mediante aprendizaje por ensemble es una estrategia robusta para resolver problemas complejos de visión por computadora en la industria de gestión de residuos.