Conjunto de datos multimodal e hiperespectral para la segmentación de residuos voluminosos usando imágenes VIS, IR, NIR y terahercios

Por qué importa una clasificación de residuos más inteligente

Los desechos domésticos voluminosos —desde armarios rotos hasta sofás hundidos— suelen contener mucha madera reutilizable. Sin embargo, gran parte acaba quemada o en vertederos porque las máquinas tienen dificultades para distinguir la madera de plásticos, metales y rellenos, sobre todo cuando estos materiales están apilados o escondidos unos dentro de otros. Este artículo presenta WoodVIT, un conjunto de datos de imágenes detallado diseñado para ayudar a la inteligencia artificial a «ver» dentro de esos montones desordenados mejor, de modo que los futuros sistemas de clasificación puedan reciclar más madera de forma segura y eficiente.

Mirar la basura con nuevos tipos de ojos

Las máquinas de reciclaje convencionales suelen basarse en cámaras que captan aproximadamente lo que ven nuestros ojos. Eso funciona bien con objetos limpios y aislados, pero los residuos voluminosos son caóticos: la madera puede estar pintada, cubierta con tela, envuelta en plástico o reforzada con metal. Los autores abordan esto combinando cuatro “vistas” distintas del mismo artículo. Usan una cámara de luz visible (imágenes a color ordinarias), una cámara de infrarrojo cercano que captura huellas espectrales específicas de los materiales, una cámara térmica que observa cómo los objetos se calientan y enfrían, y un sensor de terahercios que puede detectar estructuras enterradas bajo la superficie. Cada tecnología captura propiedades físicas diferentes y, juntas, ofrecen una imagen más completa que cualquier sensor por sí solo.

De muebles rotos a datos para máquinas

Para construir el conjunto de datos, el equipo recogió muebles aplastados y otros residuos voluminosos de una instalación de gestión local. Colocaron esas piezas mezcladas sobre tableros estandarizados que pasaron bajo los cuatro sensores sobre una cinta transportadora, imitando una línea de clasificación industrial. Cada tablero fue fotografiado una vez por cada sensor y luego las cuatro imágenes se alinearon con cuidado para que cada píxel de una imagen coincidiera con el mismo punto físico en las demás. Annotadores humanos trazaron contornos detallados en las imágenes a color, marcando madera, metales, plásticos, minerales, tapicería y varias situaciones de “cubierta”, como metal oculto bajo madera o madera oculta bajo tela. Estas etiquetas se transfirieron a las demás vistas de los sensores, produciendo 56 escenas completamente alineadas y 22.659 pequeños parches de imagen listos para entrenar y evaluar modelos de aprendizaje automático.

Enseñar a las máquinas a detectar madera y peligros ocultos

La tarea central en WoodVIT es fácil de enunciar: decidir si cada pequeño parche de una imagen es “madera” o “no madera”. En el fondo, esto implica manejar 717 canales de información por parche a través de los cuatro sensores. Los autores probaron varios modelos de redes neuronales en esta tarea, entrenándolos ya sea con sensores individuales o con todos los sensores combinados. Los modelos que usaban solo imágenes a color funcionaron razonablemente bien, pero los que fusionaron información de los cuatro sensores rindieron mejor y de forma más consistente. Aunque los datos térmicos y de terahercios por sí solos eran más difíciles de explotar, resultaron valiosos cuando se combinaron con las vistas en color y en infrarrojo cercano, sobre todo en escenas complicadas donde la madera está recubierta, apilada o cubre piezas metálicas.

Comprender la oclusión y las escenas complejas

Una característica distintiva de WoodVIT es su enfoque en situaciones realistas y “no ideales”. El conjunto de datos incluye tableros donde tornillos metálicos están incrustados en la madera, o donde marcos de madera están envueltos en espuma o tela. Para estos casos cubiertos, los investigadores construyeron la verdad de referencia en dos pasos: primero fotografiaron y etiquetaron la capa base, luego añadieron la cubierta, volvieron a fotografiar y fusionaron las etiquetas. Este diseño cuidadoso hace posible evaluar qué tan bien diferentes combinaciones de sensores revelan lo que hay bajo la superficie. Los autores también exploraron la segmentación a nivel de píxel usando un diseño popular de red neuronal que delimita las regiones de madera dentro de cada parche. Tanto las entradas en color como las del infrarrojo cercano produjeron contornos precisos, demostrando que los datos permiten no solo decisiones sí/no sino también mapas detallados de dónde está realmente la madera.

Qué significa esto para el reciclaje futuro

Para quienes no son especialistas, el mensaje clave es que un reciclaje más inteligente no se trata solo de construir una mejor cámara: se trata de combinar muchas maneras de ver en una vista única y coherente. WoodVIT proporciona la materia prima para ello: una colección pública y cuidadosamente etiquetada de imágenes que captura cómo se ven los residuos voluminosos reales en las bandas visible, infrarroja y de terahercios. Al permitir que los investigadores entrenen y comparen algoritmos avanzados sobre los mismos datos multimodales y desafiantes, este trabajo sienta las bases para sistemas de clasificación de próxima generación que puedan recuperar más madera aprovechable, detectar contaminantes metálicos ocultos y, en última instancia, hacer que el reciclaje de residuos voluminosos sea más limpio, seguro y eficiente.

Cita: Bihler, M., Roming, L., Čibiraitė-Lukenskienė, D. et al. Multimodal and Hyperspectral Dataset for Segmentation of Bulky Waste using VIS, IR, NIR, and Terahertz Imaging. Sci Data 13, 498 (2026). https://doi.org/10.1038/s41597-026-07053-1

Palabras clave: reciclaje de residuos voluminosos, imágenes multimodales, datos hiperespectrales, clasificación de madera, fusión de sensores