Las Raspberry PI son una serie de ordenadores de bajo costo, desarrollados en el Reino Unido por la fundación Raspberry pi, con el objetivo de poner en las manos de las personas el poder de la informática y la creación digital. El modelo original buscaba promover la enseñanza de la informática en las escuelas; sin embargo, terminó siendo más popular de lo que se esperaba. En la Figura 1 se presentan las principales ventajas para el uso de esta placa controladora. La Figura 2 muestra una imagen real de la tarjeta.

Figura 1

Figura 2

El habla es el medio de comunicación más común y la mayoría de las personas en el mundo dependen del habla para comunicarse. Los sistemas de reconocimiento de voz básicamente traducen los idiomas hablados a texto. Existen varios ejemplos de sistemas de reconocimiento de voz como, por ejemplo, Apple Siri y Google.

Actualmente existe un sinnúmero de bibliotecas o librerías que permiten realizar reconocimiento de voz (Figura 3). La más utilizada para el reconocimiento de las palabras y la conversión de voz a texto con posibilidades de uso en el Raspberry Pi son speech recognition, con un complemento pi audio. En la Figura 4 se ilustra la conversión de voz a texto.

Figura 3

Figura 4

La tarjeta de sonido externa (Figura 5) es un dispositivo que permite obtener una entrada o una salida de audio directamente del puerto USB de un equipo del que se desea obtener dicha información. Permite grabar, editar y, por supuesto, escuchar cualquier tipo de sonido. Las tarjetas de sonido internas vienen integradas directamente a la mainboard o tarjeta principal, se diferencian del tipo USB en que las primeras ofrecen una mayor versatilidad al momento de conectarse a un equipo.

Figura 5

Dispositivo que permite captar las ondas sonoras que se encuentran en el aire y convertirlas en una señal eléctrica. Se puede decir que un micrófono es un transductor que transforma la energía acústica en energía eléctrica. Esta última sirve como preamplificador para incrementar la intensidad del sonido y hacerlo identificable y reproducible. Esta señal se puede amplificar en dispositivos como consolas, ecualizadores y distintos procesos de audio. En la Figura 6 se muestra un ejemplo de un micrófono simple, que se puede conectar en algunos dispositivos móviles y equipos de cómputo, como la Raspberry Pi.

Figura 6

También conocido como servo, es un actuador que tiene la capacidad de ubicarse en cualquier posición angular, por medio de señales de control PWM dentro de su rango de operación, que es el límite de grados en el cual opera. Generalmente, se encuentran con un rango de 0 a 180°, siendo los que más se utilizan en diversas aplicaciones. Aunque también se pueden encontrar de rotación continua, esto significa que pueden rotar de 0 a 360° y viceversa. En la Figura 7 se muestra la parte interna de un servomotor

Figura 7

En Colombia se generan aproximadamente 9.488.204 toneladas de residuos sólidos al año, de las cuales se reciclan, aproximadamente, 1.775.191 toneladas ²⁰. Entre estos materiales aprovechables se encuentran vidrio, papel, cartón, chatarra, entre otros. Se destaca principalmente el plástico, cuya recuperación y aprovechamiento se hace necesaria para contribuir en la reducción de los índices de contaminación de los ecosistemas y los daños al medioambiente, salvando grandes cantidades de recursos naturales.

En Colombia rigen normas que avalan el buen manejo para la disposición final de los residuos aprovechables y no aprovechables, como el Decreto 605 de 1996, que reglamenta la Ley 144 de 1994 en cuanto al manejo y disposición final de los residuos sólidos; la Resolución 2184 de 2019, que modifica la Resolución 668 de 2016 para el uso adecuado de bolsas plásticas y se adoptan otras disposiciones para los residuos.

A partir del 1° de enero del 2021 comenzó a regir la nueva designación de colores para la disposición de los residuos aprovechables y no aprovechables, establecida por el Ministerio de Medio Ambiente y Desarrollo (Figura 8).

Figura 8

Blanco: residuos aprovechables (papel, cartón, plástico, vidrio, metales).

Verde: residuos orgánicos aprovechables (restos de comida, desechos agrícolas).

Negro: residuos no aprovechables (papel higiénico, servilletas, papel y cartón contaminados con comida, papeles metalizados).

Para dar solución al problema planteado se analizaron y revisaron tecnologías de bajo costo disponibles en el mercado. Se seleccionaron dos: Raspberry Pi 3 y Arduino Uno, cuyas especificaciones se presentan en la Tabla 1.

Tabla 1

Raspberry pi3		Arduino Uno
SOC	BCM2837	ATmega328
CPU	Quad Cortex A54@ 1.2 GHZ	16MHZ
Instrucciones	ARMv8-A	Arduino IDE
GPU	VideoCore IV 250 MHz	ATmega328
RAM	1GB	2KB
Almacenamiento	Micro SD	EEPROM 1KB
Ethernet	10/100	No
Wireless	802.11n/ Bluetooth 4.0	No
Salida de video	HDMI	No
Salida de audio	HDMI/ Auriculares	No

Respecto al hardware, son dos placas totalmente distintas, ya que Arduino sólo permite ejecutar un código a la vez y Raspberry Pi tiene mucho más potencial, asemejándose a un computador personal, en el que se pueden ejecutar múltiples aplicaciones en paralelo. En la Tabla 2 aparecen las diferencias entre estos dos dispositivos.

Tabla 2

Raspberry Pi 3	Arduino Uno
Se pueden ejecutar múltiples programas a la vez	Sólo permite ejecutar un programa, ya que es un microcontrolador
Se puede conectar a la red vía cable o wi-fi	Requiere dispositivos externos para conectarse a la red
Posee cuatro puertos USB	Sólo tiene un puerto USB
Utiliza el lenguaje de programación Python	Utiliza el lenguaje de programación C++

Independiente de la placa controladora que se elija, es importante tener presente las tecnologías disponibles para la captura y reconocimiento de voz. Existen alternativas por hardware como el módulo elechouse v3, disponible para Arduino, y por software como la librería Speech reconigtion para Raspberry Pi 3. En la Tabla 3 se hace una comparación entre estas dos tecnologías.

Tabla 3

SPEECH RECOGNITION	ELECHOUSE V3
Permite reconocer cualquier tipo palabra	Sólo reconoce 80 palabras
No requiere de un entrenamiento previo	Requiere ser entrenado para su funcionamiento.
Funciona en línea y fuera de línea	Sólo funcia fuera de línea
Fácil manejo	Presenta dificultad al momento de ser entrenado
Tiempo de respuesta rápido	En ocasiones presenta dificulta para reconocer los comandos cargados en su memoria

De las tecnologías analizadas para el reconocimiento de voz se optó por diseñar e implementar un prototipo de pruebas con Arduino, tomando en cuenta la disponibilidad de recursos con que se contaba al inicio del proyecto. Este sistema estaba conformado por una placa electrónica de hardware libre Arduino Uno en la parte de control, un sensor ultrasónico para la detección de personas, un módulo elechousev3 para el reconocimiento de voz, el cual permite reconocer hasta siete comandos de voz y se pueden grabar 255 palabras. Para la grabación se utilizó el módulo ISD1820, en el que se grabó un mensaje para reproducir a través de un parlante (speaker), una vez el sensor ultrasónico detectaba un obstáculo. Para la visualización se dispuso de una pantalla LCD 16x2, en la que se podía apreciar el mensaje grabado. Para la apertura y cierre de los contenedores se instalaron tres servomotores, los cuales estaban programados para activarse de forma independiente cuando el usuario mencionara la palabra previamente grabada en el módulo de reconocimiento voz (Figura 9).

Figura 9

Después de realizar las pruebas del prototipo con Arduino y ver sus limitaciones en cuanto a cantidad de palabras que debía reconocer y el reconocimiento de voces con timbres diferentes, se optó por escoger una tecnología que no dependiera de un entrenamiento previo de voz. Se decidió utilizar el Raspberry Pi, que sigue siendo económico y además brinda mayor robustez. Con esta tecnología se llegó al diseño propuesto en la Figura 10. Está conformado por una placa electrónica de hardware libre Raspberry Pi en el control, un micrófono interconectado a través de una tarjeta de audio para capturar la voz, la cual se procesa internamente con la librería speech recognition, que utiliza diversos sistemas de reconocimiento de voz, como los de Google y Bing, convirtiendo de voz a texto y reconociendo cualquier palabra. Para la apertura y cierre de los contenedores dispone de cuatro servomotores, programados para que se active de forma independiente en el momento en que el usuario mencione una palabra que se relacione con una de las categorías de reciclaje utilizadas y definidas en un algoritmo de Python. El sistema se alimenta con una fuente alámbrica de 5V DC.

Figura 10

Para desarrollar este prototipo se diseñaron un circuito esquemático (Figura 11) y el diagrama de hardware (Figura 12). El diseño general se mencionó en el numeral 2.2.3.: una placa electrónica de hardware libre Raspberry pi en la parte de control; un micrófono interconectado a través de una tarjeta de audio para realizar la adquisición de la voz, procesada con las librerías speech recognition de Google y cuatro servomotores.

Figura 11

Figura 12

Para explicar el funcionamiento de este código se creó un diagrama de flujo (Figura 13). El código funciona de la siguiente manera: primero, se realiza la detección de personas por medio de un sensor ultrasónico; luego, se habilita automáticamente el micrófono para ingresar el comando de voz que corresponda (cartón, plástico, vidrios orgánicos, bolsas plásticas, botellas plásticas, entre otros). Posteriormente se realiza la conversión de voz a texto internamente en las raspberry, por medio de la librería speech recognition. Esta librería utiliza aplicaciones de conversión de diversas empresas, comúnmente entrenadas a través de redes neuronales y aprendizaje profundo. Si el comando de voz es correcto se activa un servomotor asociado con dicho comando, que permite realizar la apertura del contenedor correspondiente. Si es incorrecto no se activa ningún servomotor y, por ende, no se abre ningún contenedor.

Figura 13

Una vez realizado el circuito esquemático del prototipo, se ensambló la tarjeta del circuito final, en la que están interconectados todos los componentes (Figura 14). Se utilizaron canecas de basura reales, a las cuales se les acoplaron los motores en las tapas. Para permitir la apertura y cierre de las tapas de una manera más eficiente, se implementó una base para su acople (Figura 15), para garantizar estabilidad.

Figura 14

Figura 15

Una falla que se puede presentar en el funcionamiento del prototipo se da al momento de reconocer los comandos de voz para activar los motores, ya que todo el sistema debe estar conectado a la red inalámbrica o cableada. Esto se debe a que la conversión de voz a texto que realiza la librería speech reconigtion se hace con redes neuronales implementadas en línea de empresas como Google, IBM o Bing.

Para garantizar el correcto funcionamiento del código se deben instalar las librerías principales que permiten realizar el reconocimiento de la voz (speech recognition y Pi Audio). En el sistema operativo Raspbian de las Raspberry Pi se pueden instalar a través de la terminal de Linux, utilizando el comando pip install, como se detalla a continuación.

Paso 1: instalar la biblioteca speech recognition.

Para instalar esta librería se debe ejecutar el siguiente comando en la consola de Linux: sudo apt-get install speech recognition (Figura 16).

Figura 16

Para instalar esta biblioteca se ejecuta el siguiente comando: sudo apt-get install python3-pyaudio (Figura 17).

Figura 17

Para configurar la tarjeta de audio se debe ingresar a la consola de Linux y escribir el siguiente comando: alsamixer. Luego, se selecciona la tarjeta que está conectada. Se sube el volumen si se encuentra en un nivel bajo (Figura 18). Es necesario configurar la tarjeta de sonido que se está utilizando para que el software funcione de manera óptima.

Figura 18

Se detectó que el sistema responde bien con diferentes tonos de voz en los comandos mencionados. Se realizaron pruebas con mujeres y niños entre 10 y 12 años, ya que este grupo, en su mayoría, habla con suficiente claridad. En las pruebas con hombres, en diferentes rangos de edad, se logró identificar que la librería que utiliza el sistema para realizar la conversión de voz a texto funciona sin ningún inconveniente. El porcentaje de precisión del instrumento es alto.

En condiciones de poco ruido el sistema responde mejor que en condiciones ruidosas, ya que la forma de adquisición de los comandos de voz se hace a través del micrófono, y se debe hablar mucha más fuerte para que funcione correctamente.

El dispositivo no presenta dificultad para reconocer e identificar distintos tipos de voz, siempre y cuando se cuente con una conexión estable a internet, porque si es inestable o la persona habla demasiado bajo el dispositivo presenta dificultades para reconocer los comandos de voz o es posible que no los identifique.

En espacios abiertos, el sistema reconoce los comandos de voz a 15 cm, desde la boca hasta el micrófono. Esta distancia puede variar dependiendo de las condiciones ruidosas del ambiente. En espacios cerrados, como una vivienda, la distancia efectiva desde la boca hasta el micrófono es de 60 cm. Esta distancia puede variar dependiendo de la fuerza con que el usuario mencione los comandos y las condiciones de ruido del ambiente donde esté ubicado el dispositivo.

El sistema permite realizar la conexión a la red a través de cableado por un puerto de tipo RJ45 o de manera inalámbrica mediante wi-fi. Al realizar las pruebas de conexión de ambos sistemas se identificó que el prototipo funciona correctamente y es más estable conectado a cable de red, por lo que se recomienda esta opción.

El tiempo de respuesta de los servomotores que permiten la apertura y cierre de los contenedores es de dos segundos. Una vez se mencione el comando de voz y la tapa de la caneca se abra, ésta permanece abierta durante 30 segundos, tiempo disponible para que el usuario tire la basura en el contenedor correspondiente. Cuando transcurra este tiempo la tapa se cierra.

El tiempo de respuesta para el reconocimiento de la voz y la conversión a texto depende de la velocidad de internet donde esté conectado el dispositivo. Si se cuenta con buena conexión a la red el tiempo de respuesta se reduce a milisegundos. También depende del tono de voz de la persona, de la similitud entre palabras y de la búsqueda interna que realiza la librería.