Smart Bin System with Real-Time Solid Waste Recognition

• Sérgio Ademir Rocha do Carmo UFAM
• Felipe Barbosa de Lima UFAM
• Edson de Araújo Silva UFAM

DOI: https://doi.org/10.5753/connect.2025.12335

Abstract

O gerenciamento de resíduos sólidos representa um dilema para a sociedade, principalmente em regiões com infraestrutura limitada. A falta de equipamentos adequados e a desinformação da população sobre a separação correta dos resíduos agravam esse problema. Nesse sentido, tecnologias como sistemas embarcados autônomos e redes neurais convolucionais surgem como alternativas promissoras para otimizar esse processo, permitindo a automação da identificação e descarte adequado dos materiais descartados. O projeto desenvolveu lixeiras inteligentes equipadas com sensores e redes neurais convolucionais para classificar resíduos em tempo real, otimizando a separação e a coleta seletiva. O sistema utiliza uma câmera integrada a um Raspberry Pi 4 que captura e processa imagens dos materiais descartados, identifica sua categoria e aciona a abertura da lixeira. O modelo atingiu uma precisão de 92,75%, embora ainda enfrente desafios relacionados à variabilidade dos resíduos sólidos e à necessidade de aprimoramento do protótipo.

Keywords: Lixeiras Inteligentes, Sistemas Embarcados, Classificação de Resíduos, Redes Neurais Convolucionais, Gestão de Resíduos Sólidos

References

Almeida, I. M. S. d., Silva, K. A. d., and El-Deir, S. G. (2022). Resíduos sólidos: gestão e gerenciamento. EDUFRPE, Recife, 1 edition. Obra disponível em versão eletrônica.

Arishi, A. (2025). Real-time household waste detection and classification for sustainable recycling: A deep learning approach. Sustainability, 17(5).

Batista, M. H. and Martins, F. C. (2019). Informação e conhecimento social das cidades no gerenciamento de resíduos sólidos. Gestão de Resíduos Sólidos Volume, page 7.

Brasil (2010). Lei nº 12.305, de 2 de agosto de 2010. institui a política nacional de resíduos sólidos. Diário Oficial da União, Brasília, DF, 3 ago. 2010.

Cembranel, A. S., Balbinotti, E. C., Bravo, C. E. C., Tonial, I. B., and Pinto, E. P. (2021). Composição gravimétrica e as causas da geração de rejeitos na triagem dos resíduos recicláveis municipal. Brazilian Journal of Development, 7(4):36217–36239.

Vo, N. S., Nguyen, N. T. X., and et al., G. P. L. (2024). An efficient model on aiot devices for trash classification applications. SN Computer Science, 5.

Vukicevic, A. M., Petrovic, M., and et al., N. J. (2025). Versatile waste sorting in small batch and flexible manufacturing industries using deep learning techniques. Scientific Reports, 15.