Desarrollan un método de clasificación de plásticos con alta precisión basado en el sonido

Un equipo de estudiantes de la Universidad Carnegie Mellon desarrolla un sistema de aprendizaje automático que identifica residuos plásticos por su acústica, abriendo nuevas vías para optimizar la clasificación

La clasificación de residuos plásticos sigue siendo uno de los principales retos para la industria del reciclaje, tanto por su complejidad técnica como por los costes asociados. En este contexto, un grupo de estudiantes de la Universidad Carnegie Mellon (Estados Unidos) ha desarrollado un modelo de aprendizaje automático capaz de identificar distintos tipos de plástico a partir del sonido que producen al impactar contra una superficie, con niveles de precisión superiores al 90%.

El proyecto, impulsado desde el Heinz College of Information Systems and Public Policy en colaboración con la empresa tecnológica Reclamation Factory, plantea una alternativa a los sistemas convencionales de clasificación, que suelen ser costosos y, en algunos casos, generan errores en la identificación de materiales.

La propuesta se basa en una premisa sencilla: cada tipo de plástico presenta una densidad y una estructura física diferente, lo que se traduce en una firma acústica específica al ser golpeado. A partir de esta hipótesis, el equipo recopiló cerca de 1.000 muestras de audio correspondientes al sonido de seis tipos de plásticos distintos, tras dejar caer los materiales sobre una superficie de hormigón.

Con estos datos, los investigadores desarrollaron un modelo de machine learning entrenado para reconocer patrones sonoros. El sistema logró identificar con un 100% de precisión dos polímeros ampliamente utilizados —polipropileno (PP) y tereftalato de polietileno (PET)— y alcanzó un 92% en el caso del poliestireno (PS).

Además del modelo, el equipo diseñó una interfaz que permite su utilización en entornos operativos y demostraciones, lo que facilita su posible integración en soluciones industriales orientadas a la clasificación automatizada.

El desarrollo se enmarca en un proyecto final de máster orientado a resolver retos reales del sector. En este caso, el objetivo era explorar vías para reducir el coste de clasificación de plásticos, un factor clave para mejorar la viabilidad económica del reciclaje. Actualmente, la baja rentabilidad del plástico reciclado frente al material virgen limita su recuperación, lo que contribuye a que una parte significativa de estos residuos acabe en vertedero.

La iniciativa también pone de relieve el potencial de tecnologías emergentes, como la inteligencia artificial aplicada a señales acústicas, para mejorar la eficiencia de los sistemas de gestión de residuos. Según sus impulsores, la reducción de costes en la fase de clasificación podría favorecer una mayor recuperación de materiales y avanzar hacia modelos más circulares.

El proyecto ha contado con la colaboración estrecha de Reclamation Factory, que ha aportado datos y conocimiento técnico, y que considera que el trabajo realizado permite acercar el uso de sensores acústicos a aplicaciones reales en el sector del reciclaje.