ANÁLISIS DE DESEMPEÑO DE DIFERENTES
ARQUITECTURAS DE REDES NEURONALES
CONVOLUCIONALES (CNN) PARA CLASIFICACIÓN
AUTOMÁTICA DE DESECHOS SÓLIDOS
PERFORMANCE ANALYSIS OF DIFFERENT
CONVOLUTIONAL NEURAL NETWORK (CNN)
ARCHITECTURES FOR AUTOMATIC SOLID
WASTE CLASSIFICATION
Jhonny Darwin Ortiz-Mata
Universidad Estatal de Milagro, Ecuador
Xiomara Jael Oleas Velez
Universidad Estatal de Milagro, Ecuador
David Elías Dager López
Universidad Estatal de Milagro, Ecuador
Marcia Maribel Moyolema Amboya
Universidad Estatal de Milagro, Ecuador
pág. 7706
DOI: https://doi.org/10.37811/cl_rcm.v8i6.15455
Análisis de Desempeño de Diferentes Arquitecturas de Redes Neuronales
Convolucionales (CNN) para Clasificación Automática de Desechos Sólidos
Jhonny Darwin Ortiz Mata
1
jortizm2@unemi.edu.ec
https://orcid.org/0000-0003-0466-4093
Universidad Estatal de Milagro
Ecuador
Xiomara Jael Oleas Velez
xoleasv@unemi.edu.ec
https://orcid.org/0009-0009-7421-8452
Universidad Estatal de Milagro
Ecuador
David Elías Dager López
ddagel@unemi.edu.ec
https://orcid.org/0000-0001-6663-6149
Universidad Estatal de Milagro
Ecuador
Marcia Maribel Moyolema Amboya
mmoyolemaa@unemi.edu.ec
https://orcid.org/0009-0003-6687-9409
Universidad Estatal de Milagro
Ecuador
RESUMEN
El rápido aumento en la generación de residuos sólidos ha dado lugar a gigantescos desafíos
medioambientales, algunas de las razones son: el crecimiento de la población, el consumo masivo y las
prácticas poco adecuadas de gestión de residuos. Es necesario abordar estos problemas para lograr un
desarrollo sostenible y una economía circular. Los métodos tradicionales de gestión de residuos han
quedado obsoletos y se necesitan soluciones innovadoras que incorporen tecnologías con inteligencia
artificial. Este trabajo describe la clasificación automática de residuos sólidos basada en arquitecturas
CNN con alta precisión y eficiencia en la clasificación en tiempo real. Se evalúan varias arquitecturas
de CNN, VGG16-BN, ResNet50, Inception V3, Xception y MobileNetV3 Large, entre los materiales
de desechos están plástico, vidrio, metal, cartón y papel. Los resultados muestran que MobileNetV3
Large FT es la arquitectura más eficaz, alcanzando la mayor precisión con un 96.89% y la menor pérdida
con un 10.87%, destacando tanto en precisión de clasificación como en eficiencia computacional. Este
trabajo pone de relieve hasta qué punto los modelos de IA basados en CNN pueden contribuir a mejorar
la clasificación de residuos, reduciendo los errores humanos y ayudando potencialmente a mantener la
sostenibilidad medioambiental.
Palabras clave: desechos sólidos, CNN, xception, fine-tuning, mobilenetl
1
Autor principal.
Correspondencia: jortizm2@unemi.edu.ec
pág. 7707
Performance Analysis of Different Convolutional Neural Network (CNN)
Architectures for Automatic Solid Waste Classification
ABSTRACT
The rapid increase in solid waste generation has led to significant environmental challenges. Some of
the contributing factors include population growth, mass consumption, and inadequate waste
management practices. Addressing these issues is essential to achieve sustainable development and a
circular economy. Traditional waste management methods have become obsolete, necessitating
innovative solutions that incorporate artificial intelligence technologies. This study focuses on the
automatic classification of solid waste using CNN architectures, achieving high precision and real-time
classification efficiency. Several CNN architectures are evaluated, including VGG16-BN, ResNet50,
Inception V3, Xception, and MobileNetV3 Large. The waste materials analyzed include plastic, glass,
metal, cardboard, and paper. Results indicate that MobileNetV3 Large FT is the most effective
architecture, achieving the highest accuracy at 96.89% and the lowest loss at 10.87%, excelling in both
classification precision and computational efficiency. This study highlights the extent to which CNN-
based AI models can improve waste classification, reduce human errors, and potentially contribute to
environmental sustainability.
Keywords: solid waste, CNN, xception, fine-tuning, mobilenetl
Artículo recibido 15 octubre 2024
Aceptado para publicación: 20 noviembre 2024
pág. 7708
INTRODUCCIÓN
El aumento exponencial de los residuos sólidos en las últimas décadas ha generado graves problemas
medioambientales, impulsados por factores como el crecimiento demográfico, el consumo masivo de
productos y la limitada conciencia sobre la gestión adecuada de desechos. Esta situación ha
intensificado la crisis de contaminación, exigiendo la implementación de soluciones tecnológicas
innovadoras y sostenibles alineadas con los Objetivos de Desarrollo Sostenible (ODS) y los principios
de las 9R (Narayan, 2021).
En este contexto, se resalta la importancia de los enfoques basados en inteligencia artificial (IA) para
abordar estos desafíos medioambientales. Cabe destacar que, las redes neuronales convolucionales
(CNN) representan una herramienta eficaz para la clasificación automática de residuos mediante el
análisis de imágenes (White et al., 2020). Este trabajo propone el desarrollo de una aplicación de CNN,
diseñada para clasificar residuos sólidos de manera precisa, con un enfoque en materiales reciclables
como plástico, vidrio, metal, cartón y papel. Además, se integran técnicas avanzadas de ajuste fino y
aumento de datos para optimizar el desempeño del modelo, especialmente en entornos con recursos
computacionales limitados.
Revisión del Estado del Arte
La clasificación automática de residuos ha evolucionado significativamente con el uso de arquitecturas
CNN. Modelos como VGG16-BN, ResNet50, Inception V3, Xception y MobileNetV3-Large han sido
evaluados extensamente en términos de precisión, pérdida y eficiencia computacional. Por ejemplo,
VGG16-BN ha demostrado una precisión del 93.37% en la clasificación de residuos orgánicos y
reciclables tras solo 5 épocas de entrenamiento(Da et al., 2023). Asimismo, ResNet50 se destaca por su
arquitectura residual, que permite entrenar redes profundas sin pérdida de precisión, alcanzando una
eficacia del 91.8% con solo 7 épocas de entrenamiento (He et al., 2015).
En aplicaciones móviles y entornos con recursos computacionales limitados, modelos ligeros como
MobileNetV3-Large han demostrado ser ideales. Este modelo, con una precisión aproximada del 90%,
ha mostrado eficiencia tanto en términos de rendimiento como de adaptabilidad a entornos industriales
(Sayed et al., 2024).
pág. 7709
Por otro lado, arquitecturas como Xception y Inception V3 destacan en escenarios complejos,
permitiendo clasificaciones precisas de materiales reciclables con características similares, como vidrio,
plástico y metal (Bishop et al., 2023; Sadeghnezhad & Salem, 2024).
La elección de la arquitectura adecuada depende no solo de la precisión, sino también de las
restricciones de almacenamiento y velocidad. Estudios recientes han explorado técnicas de
optimización como la poda de parámetros redundantes para reducir el tamaño de los modelos sin pérdida
significativa de precisión (Brockmann & Schlippe, 2024). Sin embargo, aún existen desafíos
relacionados con la generalización de los modelos en entornos reales y con la evaluación de métricas
clave como el coeficiente de correlación de Matthews (MCC), que permite medir el rendimiento en
conjuntos de datos desequilibrados (Chollet, 2021).
En síntesis, las investigaciones previas destacan el potencial de las arquitecturas CNN para mejorar la
gestión de residuos sólidos. Este estudio busca avanzar en esta línea al evaluar el rendimiento de varias
arquitecturas preentrenadas y optimizadas, identificando la más adecuada para un sistema eficiente y
accesible.
Planteamiento del Problema
La administración ineficaz de desechos sólidos ha incrementado las inquietudes medioambientales y
los desafíos de salud pública, transformándose en uno de los principales impedimentos para llevar a
cabo los Objetivos de Desarrollo Sostenible de la ONU. Con el incremento en los niveles de consumo
y la ausencia de sistemas apropiados para el manejo de desechos, las oportunidades de un reciclaje
eficaz de los materiales se vuelven cada vez menos factibles. Pese a que hay ciertas iniciativas enfocadas
en optimizar el reciclaje, los retos tecnológicos y operativos, obstaculizan la categorización exacta y
eficaz de los materiales reciclables.
En este escenario, las soluciones fundamentadas en inteligencia artificial poseen un enorme potencial,
en particular las redes neuronales convolucionales, que pueden ser utilizadas en el análisis de imágenes
y realizar la categorización automática de desechos. No obstante, la ausencia de un análisis comparativo
entre diversas arquitecturas ya entrenadas como Xception, MobileNetV3-Large, Inception V3,
DenseNet121, ResNet50, VGG16-BN y YOLOv5L dificulta la creación de sistemas más sólidos,
capaces de ajustarse a diversos contextos.
pág. 7710
Realizar una investigación crítica en la evaluación de estas arquitecturas es esencial con respecto a su
eficacia en términos de precisión, pérdida, recall, F1-score y coeficiente de correlación de Matthews.
Este tipo de evaluación detallada es esencial para facilitar la identificación de las arquitecturas de mejor
rendimiento; también ayudaría a enmarcar métodos de optimización que aseguren un mejor desempeño
acorde con la realidad. Diseño de sistemas correctos y fáciles de adquirir.
Justificación y Relevancia
La metodología de este trabajo se centra en la evaluación de arquitecturas CNN previamente entrenadas.
Todas las versiones de Xception, MobileNetV3-Large, Inception V3, DenseNet121, ResNet 50,
VGG16-BN y YOLOv5L fueron mejoradas descongelando las capas más bajas e incorporando un
bloque secuencial personalizado para ajustar la salida a una categorización en 30 categorías (Kunwar,
2023).
La importancia de este trabajo experimental es la necesidad de modelos entrenados para la problemática
de clasificación de desechos, asegurando la eficiencia del rendimiento de las arquitecturas mediante un
sistema de métricas cuantitativas.
Objetivo General
▪ Determinar la arquitectura CNN más adecuada para la clasificación de residuos sólidos mediante el
análisis de su rendimiento en términos de precisión, eficiencia computacional y capacidad de
generalización.
Objetivos Específicos
1. Potenciar los modelos seleccionados mediante técnicas avanzadas de ajuste fino, la adición de
bloques secuenciales personalizados; con el fin de aumentar la generalización de la arquitectura en
diferentes entornos (Kunwar, 2023).
2. Analizar y comparar la eficiencia computacional y la precisión de diferentes arquitecturas CNN en
los conjuntos de prueba y validación, mediante de métricas de exactitud y perdida.
3. Evaluar el rendimiento de diferentes CNNs preentrenados para la clasificación automática de
residuos sólidos, utilizando indicadores de rendimiento clave como la precisión, la pérdida, la recall,
la puntuación F1 y el coeficiente de correlación de Matthews (Da et al., 2023).
pág. 7711
METODOLOGÍA
Se trata de un estudio cuantitativo incluido en la categoría de investigación experimental. Consiste en
la manipulación de diferentes arquitecturas de Redes Neuronales Convolucionales para la resolución
del problema de clasificación de residuos sólidos. El estudio también utilizará un marco de evaluación
basado en indicadores cuantitativos: precisión, perdida en los conjuntos de validación y prueba; con la
finalidad de evaluar y justificar el rendimiento de los modelos presentados.
El primer paso en este flujo de trabajo de investigación sobre clasificación de residuos es la adquisición
de datos. El conjunto de datos se compone de imágenes de residuos reciclables y domésticos obtenidas
de la plataforma Kaggle, y se carga en Google Colab, para aprovechar sus recursos computacionales
que ofrece la plataforma, para el entrenamiento del modelo. El preprocesamiento de datos incluye la
normalización y el aumento. La normalización mantiene los valores de los píxeles en un rango uniforme
para facilitar el aprendizaje y optimizar el rendimiento del modelo, mientras que el aumento de datos
aplica transformaciones como la rotación, los ajustes de brillo y la inversión para aumentar la diversidad
de la muestra.
La base de datos se divide en tres conjuntos: 60% entrenamiento, 20% validación y 20% pruebas. Esta
división garantiza un aprendizaje eficaz y una evaluación objetiva del rendimiento del modelo en cada
etapa. El entrenamiento se realiza utilizando la función CrossEntropyLoss junto con el optimizador
Adam; esta decisión se fundamenta en el diseño arquitectónico de cada CNN en PyTorch, la capa de
salida corresponde a tipo lineal, por lo tanto, la función de perdida CrossEntropyLoss incluye la
funcionalidad de Softmax de manera implícita; por otro lado, se usa Adam dado que combina las
mejores características de RMSProp y Momentum, lo que da como resultado el equilibrio óptimo entre
velocidad de convergencia y estabilidad durante el entrenamiento. (Elgendy, 2020). El entrenamiento
se ejecutó lo largo de 20 épocas, los parámetros del modelo se ajustan iterativamente para maximizar
la precisión de la clasificación.
Al final de cada época, se guardan los mejores pesos del modelo, también se debe evitar el sobreajuste
y asegurar la eficacia del modelo.
El modelo se evalúa utilizando métricas visuales como la precisión y las matrices de confusión para
identificar las clases en la que el modelo clasifica correctamente (Stevens et al., 2020).
pág. 7712
Adoptando este minucioso proceso, el modelo se prepara para su integración en una aplicación móvil
que incorpora sistemáticamente el preprocesamiento, el entrenamiento y la evaluación para la
clasificación de residuos
Procedimiento
Tabla 1. Categorías de la base de datos
Código
Clase
Código
c0
Latas de aerosol
c15
c1
Latas de aluminio para alimentos
c16
c2
Latas de refresco de aluminio
c17
c3
Cajas de cartón
c18
c4
Envases de cartón
c19
c5
Ropa
c20
c6
Posos de café
c21
c7
Cubiertos de plástico desechables
c22
c8
Cáscaras de huevo
c23
c9
Residuos de alimentos
c24
c10
Botellas de vidrio para bebidas
c25
c11
Envases de vidrio para bebidas
c26
c12
Tarros de vidrio para alimentos
c27
c13
Revistas
c28
c14
Periódicos
c29
En la Tabla 1 se presenta un resumen de las 30 diferentes clases del conjunto de datos de clasificación
de residuos reciclables y domésticos. Cada clase se ha codificado de c0 a c29 para garantizar un
etiquetado ordenado en el conjunto de datos. La Tabla 1 muestra la representación en el conjunto de
datos de la clasificación de residuos en el mundo real. De este modo, se mejora la generalidad del
modelo en distintos tipos de residuos y se obtiene un rendimiento más fiable.
El conjunto de datos dividido en tres subconjuntos: entrenamiento, validación y prueba. En esta
configuración, las imágenes se dividen en tres subconjuntos: entrenamiento (60% o 36.000 imágenes),
y conjuntos de validación y prueba con un 20% cada uno (12.000 imágenes). Gran parte de la base de
datos se establece para el conjunto de entrenamiento, esto se debe para que el modelo tenga suficiente
cantidad de datos para aprender patrones complejos y generalizar mejor con nuevos datos.
pág. 7713
Esta distribución equitativa proporciona un equilibrio adecuado para que los subconjuntos de validación
y prueba midan el rendimiento del modelo. El conjunto de validación se utiliza en primer lugar para
ajustar los hiperparámetros y evitar el sobreajuste. Después, siguiendo la sugerencia de (Atienza, 2020),
el conjunto de prueba proporciona una evaluación objetiva del rendimiento en datos no vistos. De este
modo, la distribución constituye una base sólida para el entrenamiento, la validación efectiva y la
evaluación imparcial del modelo.
Preprocesamiento de datos
Las transformaciones ligeras que se aplican buscan aumentar la cantidad de datos disponible para el
procesamiento de imágenes en las arquitecturas. La clase WasteDataset es la responsable de cargar y
aplicar las transformaciones antes de alimentarlas al modelo con cada arquitectura. La primera
transformación es la Rotación, genera variaciones angulares para simular diferentes perspectivas, la
rotación aplicada a cada entrada ronda en el intervalo 󰇟󰇠.
El ajuste de brillo es la segunda transformación aplicada, el factor 󰇛󰇜 establece un valor aleatorio
entre 󰇟 󰇠. Este ajuste permite que el modelo se adapte a diferentes condiciones de iluminación
(Koul et al., 2019). La cuarta transformación corresponde a la técnica de espejado horizontal reduce la
sensibilidad del modelo a la orientación del objeto. Esta técnica ejecuta una versión espejada de la
imagen. El factor filtro gaussiano, la quinta transformación, establece 󰇛󰇜 en un radio, donde es un
número aleatorio en el rango 󰇟 󰇠, su función es suavizar, difuminando detalles y reduciendo el
ruido según el valor radio aleatorio.
La sexta técnica de aumento de datos es la normalización estandariza los valores de los píxeles, los
delimita a un rango 󰇟 󰇠 según la media y desviación estándar de cada canal de color. Para el
procesamiento de imágenes, se aplicó una media de  y una desviación estándar de  en cada canal
RGB. Según (Dawani, 2020) resalta la importancia de esta transformación para la consistencia y
precisión durante el entrenamiento del modelo.
La transformación RandomAffine se encarga de realizar modificaciones aleatorias a la imagen objetivo,
en la incluye rotaciones, traslaciones y escalados, esto mejora la capacidad del modelo para reconocer
objetos en diferentes posiciones y tamaños, según Morales (Morales M., 2020).
pág. 7714
Arquitecturas CNN
Tabla 2: Arquitecturas de modelos CNN.
Arquitectura
Parámetros
Totales
Parámetros
Entrenables
Precisión
de
Prueba
(%)
Pérdida
(%)
Tamaño
del
Modelo
(MB)
Principales Ventajas
MobileNetV3
Large FT
8,171,526
1,080,350
96.89
11.45
219.17
Eficiente, ligera y
con alto rendimiento
en móviles.
Xception FT
45,875,270
25,068,318
96.41
15.56
698.12
Alta precisión y
capacidad de
aprendizaje
profundo.
DenseNet121
FT
8,543,646
1,591,838
96.24
14.88
926.77
Conexiones densas
que optimizan la
reutilización.
Inception V3
FT
25,045,280
2,638,366
86.52
43.94
358.23
Balance entre
profundidad y
eficiencia.
ResNet50 FT
25,636,214
2,638,366
94.07
31.80
465.27
Robusta para
clasificación en lotes
grandes.
VGG16-BN
FT
139,004,510
21,516,830
96.54
15.25
4,035.07
Precisión en datos
preentrenados, pero
pesada.
La tabla 2 destaca que MobileNetV3 Large FT es la arquitectura más eficiente para la clasificación de
residuos, alcanzando la mayor precisión de prueba (96,49%) y la menor pérdida (11,45%), con un
tamaño de modelo relativamente pequeño (219.17 MB). Estas características la convierten en una
opción ideal para aplicaciones móviles, donde la capacidad de procesamiento y almacenamiento es
limitada. Además, la relación entre parámetros totales y entrenables en MobileNetV3 Large FT
demuestra su equilibrio entre eficiencia computacional y adaptabilidad, optimizando su desempeño en
dispositivos de bajo consumo energético. Para todos los modelos CNN que se muestran en la Tabla 2,
se utilizó la técnica de ajuste “Fine-Tuning” (FT) para mejorar la precisión.
pág. 7715
En contraste, VGG16-BN FT presenta un alto número de parámetros totales y un tamaño considerable
(4,035.07 MB), lo que dificulta su implementación en entornos móviles, a pesar de su buena precisión
de prueba (94.55%). La comparación entre las arquitecturas evidencia que la elección del modelo
depende no solo de la precisión sino también de las restricciones de almacenamiento y velocidad, donde
MobileNetV3 Large FT sobresale como la solución más equilibrada.
Hiperparámetros
Tabla 3: Parámetros de configuración
Hiperparámetros
Valores
Tasa de aprendizaje






Batch Size
32
16
Optimizer
Adam
Weight decay


Función de Perdida
CrossEntropyLoss
Épocas



La Tabla 3 presenta los principales parámetros utilizados en el entrenamiento de los siete modelos de
redes neuronales convolucionales. Cada intento presenta una configuración específica para la tarea de
clasificación de residuos, en la que la tasa de aprendizaje varía según las métricas de precisión y perdida.
La tasa de aprendizaje se controla mediante código de programación. De este modo, se llevará a cabo
una reducción de la tasa de aprendizaje en un factor de 0,05 si no se produce ninguna mejora en la
métrica de pérdidas a lo largo de cinco épocas consecutivas, optimizando la adaptación del modelo a
las nuevas condiciones (Bianco et al., 2018).
(Bischl et al., 2021), expresa qué la tasa de aprendizaje es uno de los hiperparámetros más importantes,
define la magnitud de la actualización de pesos e influye directamente en la estabilidad del modelo y la
velocidad de convergencia. Mientras tanto, la regularización L2, comúnmente conocida como caída de
pesos, penaliza los pesos grandes y fomenta la generalización adecuada, una estrategia sugerida por
(Novello et al., 2023) para evitar el sobreajuste. El escalado dinámico del gradiente con “GradScaler”
optimiza la eficiencia de la memoria y el rendimiento durante el entrenamiento de precisión mixta
(Ilievski et al., 2017).
pág. 7716
Métricas CNN
El sistema de métricas para la evaluación del rendimiento de los modelos CNN, permite comprender la
eficacia y comportamiento de la arquitectura. Entre las métricas se encuentra la precisión, que, durante
el entrenamiento, se divide en “precisión de entrenamiento” y “precisión de validación”. Esta medida
es la relación entre predicciones correctas y predicciones totales, lo que ayuda a evaluar cómo el modelo
generaliza a nuevos conjuntos de datos diferentes (Elgendy, 2020).
Del mismo modo, la métrica de pérdida indica la proporción de predicciones erróneas con respecto al
número total de predicciones. Además, al igual que la métrica anterior, se clasifica en “pérdida de
entrenamiento” y “pérdida de validación”, lo que da una idea aproximada de los errores en las fases de
entrenamiento y validación. La función de pérdida se convierte en una parte crucial, ya que permite
ajustar los parámetros del modelo para reducir los errores y aumentar el rendimiento (Ayyadevara &
Reddy, 2020).
La métrica “Precision” mide la proporción de verdaderos positivos de todas las instancias clasificadas
como positivas; evalúa la precisión en la identificación correcta de la clase positiva. Esto resulta útil
cuando un modelo debe clasificar un gran número de falsos positivos.
De forma complementaria, “recall” indica la fracción de verdaderos positivos entre todas las instancias
que deberían haber sido clasificadas como positivas, una medida de la capacidad del modelo para
identificar correctamente todos los casos positivos esperados (Stevens et al., 2020).
Para problemas con clases no equilibradas en conjuntos de datos, existe una aplicación del Coeficiente
de Correlación de Matthews. Es la única métrica que tiene en cuenta todos los elementos de una matriz
de confusión, por lo que no importa el desequilibrio extremo entre clases, da valores equilibrados y
fiables. Según (Chollet, 2021), MCC es una métrica que refleja con mayor precisión la calidad de las
predicciones cuando las clases no todas tienen la misma cantidad de datos.
RESULTADOS Y DISCUSIÓN
En la Figura 1 se presenta el rendimiento de diferentes arquitecturas de redes neuronales
convolucionales (CNN), utilizando la métrica de precisión (Accuracy). En términos del rendimiento
general se observa que las arquitecturas Xception y MobileNet V3 alcanzan la mayor precisión en
comparación con los otros modelos. DenseNet121 muestra un desempeño inferior alcanzando el valor
pág. 7717
más bajo de precisión. Los modelos Inception V3, ResNet50 y VGG16 tienen curvas de aprendizaje
constantes, aunque no tán rápidas ni precisas comparadas con los modelos Xceptio y MobileNet V3. La
mayoría de las arquitecturas logran estabilizar su aprendizaje entre 10 y 15 épocas.
En base a la métrica “Accuracy” las opciones Xception y MobileNet V3 son las más adecuadas,
haciendo un balance entre precisión y eficiencia, alcanzando niveles altos de rendimiento con menor
número de épocas.
Figura 1: Comparación de las arquitecturas, sin modificación de arquitectura, bajo la métrica
“Accuracy”
El análisis de pérdida es fundamental ya que indica que tan bien el modelo está aprendiendo a partir de
los datos al minimizar los errores de predicción. En la Figura 2 se muestra que en todas las arquitecturas
la pérdida disminuye a medida que avanzan las épocas. La tasa de convergencia y los valores finales de
pérdida varían significativamente entre las arquitecturas. Xception y MobileNet V3 presentan las
pérdidas más bajas al final del entrenamiento, las curvas son suaves y hay una rápida reducción de
pérdida en las primeras épocas.
Por otra parte, Inception V3 muestra una curva de pérdida más lenta en comparación con los otros
modelos, su valor de pérdida es considerablemente más alto, esto podría indicar limitaciones en su
capacidad para clasificar correctamente con este conjunto de datos. Los modelos DendeNet121,
ResNet50 y VGG16 presentan curvas intermedias, alcanzando valores aceptables, pero sin igualar al
desempeño de Xception y MobileNet V3.
pág. 7718
Figura 2: Comparación de las arquitecturas, sin modificación de arquitectura, bajo la métrica “Loss”
La Tabla 4 muestra los resultados de las arquitecturas bajo la mejor configuración. En este caso, la
arquitectura más eficaz de entre todas las configuraciones es MobileNetV3, especialmente con un
tamaño de lote de 32 y una tasa de aprendizaje de 

, el modelo alcanzó una precisión de prueba
del 96,89%, registró la pérdida más baja con un 11,38%, mantuvo las métricas “precisión”, “recall”,
“F1 score” y MCC por encima de . Este rendimiento continuo demuestra que el modelo se adapta
bien a las condiciones cambiantes y, por tanto, mejora su capacidad de generalización al tiempo que
mantiene su eficiencia operativa.
Tabla 4: Evaluación de sistema de métricas para las arquitecturas.
Por otro lado, algunas arquitecturas, como DenseNet121 y Xception, presentan características de
rendimiento competitivas, pero algo inestables. Por ejemplo, DenseNet121 alcanza una precisión de
prueba del 96,24% con un bajo índice de pérdidas del 17,84%; después sufre caídas en la métrica de
Model
Trainin
g Time
Validatio
n
Accuracy
Test
Accurac
y
Test
Loss
Test
Precision
Test
Recall
Test F1
Score
Test
MCC
Xception
3568s
96.41%
94.99%
22.51%
94.17%
94.17%
94.14%
93.97%
MobileNet
3520s
96.89%
96.49%
11.38%
95.37%
95.33%
95.33%
95.17%
InceptionV3
4493s
86.52%
82.80%
43.94%
83.35%
82.80%
82.44%
82.25%
DenseNet121
5072s
96.24%
95.06%
17.84%
94.01%
93.90%
93.87%
93.70%
ResNet50
3709s
94.07%
91.80%
25.16%
92.24%
91.80%
91.67%
91.54%
VGG16-BN
3433s
96.54%
95.27%
14.81%
95.31%
95.27%
95.23%
95.11%
pág. 7719
validación bajo diferentes configuraciones. Los modelos InceptionV3, ResNet50 y VGG16-BN tienen
métricas menos favorables, que se caracterizan por mayores pérdidas y menor precisión de prueba,
mostrando así limitaciones en su capacidad de generalización a diferentes configuraciones. Esto sirve
para demostrar que MobileNetV3 no sólo destaca en métricas específicas, sino que también consigue
mantener un rendimiento constante en toda una gama de configuraciones, por lo que es más resistente.
Arquitectura destacada
La matriz de confusión de MobileNetV3 Large FT (Ver Figura 3), muestra un buen rendimiento para
la mayoría de las clases, con valores altos a lo largo de la diagonal, lo que indica que el modelo realiza
predicciones precisas. Las clasificaciones erróneas son mínimas; sin embargo, clases como Latas de
comida de acero [c26] revelan algunas confusiones notables, principalmente con Latas de comida de
aluminio [c1], con 80 casos clasificados erróneamente. Del mismo modo, las bolsas de la compra de
plástico [c20] y las bolsas de basura de plástico [c23] comparten algunas clases -probablemente debido
a las mismas características visuales- y, por lo tanto, clasifican erróneamente algunas muestras. No
obstante, MobileNetV3 Large FT demuestra realmente una gran precisión de clasificación,
demostrando que puede diferenciar la mayoría de las clases de residuos con sólo una confusión menor
en las clases que comparten características visuales similares.
Figura 3: Matriz de confusión de arquitectura MobileNetV3 Large.
pág. 7720
Sistema de métricas por clase de Arquitectura destacada
Tabla 5: Sistema de métricas por clase de arquitectura MobileNet V3 Large
Class
Accuracy
Precision
Recall
F-Score
MCC
Latas de aerosol
1.00
0.99
0.99
0.99
0.95
Latas de aluminio para alimentos
0.99
0.90
0.73
0.81
0.77
Latas de refresco de aluminio
0.99
0.97
0.98
0.97
0.92
Cajas de cartón
0.99
0.86
0.88
0.87
0.78
Envases de cartón
0.99
0.86
0.85
0.86
0.78
Ropa
0.99
1.00
0.97
0.98
0.90
Posos de café
1.00
0.99
1.00
0.99
0.97
Cubiertos de plástico desechables
1.00
0.99
1.00
0.99
0.96
Cáscaras de huevo
1.00
0.98
0.98
0.98
0.97
Residuos de alimentos
1.00
1.00
0.97
0.98
0.98
Botellas de vidrio para bebidas
0.99
0.98
0.99
0.98
0.93
Envases de vidrio para bebidas
1.00
0.99
0.98
0.98
0.95
Tarros de vidrio para alimentos
1.00
0.99
0.99
0.99
0.97
Revistas
1.00
0.98
0.99
0.99
0.93
Periódicos
0.99
0.97
0.99
0.98
0.90
Papel de oficina
0.99
0.99
1.00
0.99
0.92
Vasos de papel
0.99
0.98
0.95
0.97
0.89
Tapas de plástico
0.99
0.98
0.98
0.98
0.90
Botellas de plástico de detergente
1.00
1.00
1.00
1.00
0.98
Envases de plástico para alimentos
1.00
0.99
0.98
0.98
0.94
Bolsas de plástico
1.00
1.00
0.97
0.98
0.95
Botellas de plástico de refersco
0.99
0.99
0.96
0.98
0.91
Pajitas de plástico
1.00
0.96
0.99
0.98
0.96
Bolsas de basura de plástico
1.00
0.99
0.97
0.98
0.94
Botellas de agua de plástico
0.99
0.92
0.98
0.95
0.90
Zaptos
1.00
0.99
0.98
0.99
0.98
Latas de acero
0.99
0.79
0.93
0.86
0.82
Vasos de poliestireno
1.00
0.97
1.00
0.98
0.97
Contenedores de comida
1.00
0.98
0.97
0.98
0.95
Bolsas de té
0.99
0.99
0.98
0.99
0.89
Promedio
0.99
0.96
0.96
0.96
0.91
pág. 7721
La tabla 5 ilustra el rendimiento de MobileNetV3 Large FT en cada clase de residuos, con unos valores
medios de exactitud, precisión, recuperación y puntuación F del 99%, 96%, 96% y 96%,
respectivamente, con un MCC del 91%, lo que indica una clasificación general sólida. Entre las mejores
clases en términos de puntuación perfecta en todas las métricas se encuentran las botellas de detergente
de plástico, los zapatos y los cubiertos de plástico desechables, para estas clases se obtienen muy buenos
resultados en términos de precisión del modelo. Sin embargo, las latas de comida de acero y las latas
de comida de aluminio tienen valores más bajos de precisión (79% y 90%, respectivamente) y MCC, lo
que refleja la dificultad para distinguirlas de clases similares. En general, MobileNetV3 Large FT
demuestra una gran precisión y un rendimiento equilibrado.
CONCLUSIONES
MobileNetV3 Large FT es la mejor arquitectura para tareas de clasificación de residuos, superando a
otros modelos CNN en precisión, eficiencia y adaptabilidad. Tiene la mejor precisión de prueba con un
96,49% y la menor pérdida con un 11,38%, lo que demuestra un mejor rendimiento tanto en precisión
de clasificación como en minimización de errores. También los valores de “precisión”, “recall”,
“score” y MCC son mayores del lo que demuestra un rendimiento estable y fiable en una amplia
gama de tipos de residuos.
La matriz de confusión de MobileNetV3 Large FT muestra que la mayoría de las clases de residuos se
clasifican con gran precisión, y que sólo se producen ligeros errores de clasificación entre clases con
características visuales similares, como latas de comida de acero y latas de comida de aluminio. Esto se
ve reforzado por la Tabla 5, donde en muchas categorías, como las botellas de detergente de plástico,
los zapatos y los cubiertos de plástico desechables, los resultados son casi perfectos.
La eficiencia de MobileNetV3 Large FT es alta, a pesar del tamaño reducido del modelo, además, el
diseño arquitectónico esta desarrollado para ser ejecutados en dispositivos sin dependencia a CUDA.
Esto la hace muy adecuada para aplicaciones prácticas en las que la solución requerida debe ser rápida,
precisa y eficiente en el uso de los recursos para ajustarse a los objetivos de una gestión sostenible de
los residuos. En resumen, MobileNetV3 Large FT muestra el mejor compromiso entre eficiencia
computacional y precisión en la clasificación, por tanto, constituye la elección óptima para la
clasificación de residuos.
pág. 7722
REFERENCIAS BIBLIOGRAFICAS
Atienza, Rowel. (2020). Advanced Deep Learning with TensorFlow 2 and Keras (J. Gonsalves, Dr. I.
Hough, & K. Sonawane, Eds.; Second Edition). Packt Publishing. https://www.packtpub.com/en-
us/product/advanced-deep-learning-with-tensorflow-2-and-keras-9781838821654
Ayyadevara, K., & Reddy, Y. (2020). Modern Computer Vision with PyTorch: Explore deep learning
concepts and implement over 50 real-world image applications (S. Shetty, S. Mandal, J. Sunil,
R. Kumar, M. Kurup, & S. Editing, Eds.; First edition). Packt Publishing Ltd.
https://www.packtpub.com/en-us/product/modern-computer-vision-with-pytorch-
9781839213472
Bianco, S., Cadene, R., Celona, L., & Napoletano, P. (2018). Benchmark Analysis of Representative
Deep Neural Network Architectures. IEEE Access, 4, 8.
https://doi.org/10.1109/ACCESS.2017.DOI
Bischl, B., Binder, M., Lang, M., Pielok, T., Richter, J., Coors, S., Thomas, J., Ullmann, T., Becker, M.,
Boulesteix, A.-L., Deng, D., & Lindauer, M. (2021). Hyperparameter Optimization:
Foundations, Algorithms, Best Practices and Open Challenges.
https://doi.org/10.1002/widm.1484
Chollet, F. (2021). Deep Learning with Python (J. Stout, Ed.; Second). Manning Publications.
Da, E., Puls, S., Todescato, M. V, & Carbonera, J. L. (2023). AN EVALUATION OF PRE-TRAINED
MODELS FOR FEATURE EXTRACTION IN IMAGE CLASSIFICATION. 32.
https://doi.org/10.48550
Dawani, Jay. (2020). Hands-on mathematics for deep learning : build a solid mathematical foundation
for training efficient deep neural networks (S. Shetty, A. Abidi, A. Sapuni, R. Kumar, M. Kurup,
& S. Editing, Eds.). Packt Publishing. https://www.packtpub.com/en-us/product/hands-on-
mathematics-for-deep-learning-9781838647292
Elgendy, Mohamed. (2020). Deep Learning for Vision Systems (J. Stout, A. Couniot, I. Martinovié, L.
Weidert, & T. Taylor, Eds.; 1st edition). Manning Publications.
https://www.manning.com/books/deep-learning-for-vision-systems
Ilievski, I., Akhtar, T., Feng, J., & Shoemaker, C. A. (2017). Efficient Hyperparameter Optimization of
pág. 7723
Deep Learning Algorithms Using Deterministic RBF Surrogates. Proceedings of the AAAI
Conference on Artificial Intelligence, 31, 8. https://doi.org/10.1609/aaai.v31i1.10647
Koul, A., Ganju, S., & Kasam, M. (2019). Practical Deep Learning for Cloud, Mobile, & Edge Real-
World AI and Computer-Vision Projects Using Python, Keras, and TensorFlow (R. Roumeliotis,
N. Tache, & C. Faucher, Eds.; First Edition). O’Reilly Media. http://oreilly.com
Kunwar, S. (2023). MWaste: A Deep Learning Approach to Manage Household Waste.
https://doi.org/10.20944/preprints202304.0066.v1
Morales M. (2020). Grokking Deep Reinforcement Learning (J. Stout, A. Krinker, I. Martinovié, & K.
Petito, Eds.; First Edition). Manning Publications Co.
Narayan, Y. (2021, January 15). DeepWaste: Applying Deep Learning to Waste Classification for a
Sustainable Planet. V 34th Conference on Neural Information Processing Systems (NeurIPS
2020), Vancouver, Canada. https://doi.org/10.48550/arXiv.2101.05960
Novello, P., Poëtte, G., Lugato, D., & Congedo, P. M. (2023). Goal-Oriented Sensitivity Analysis of
Hyperparameters in Deep Learning. Journal of Scientific Computing, 94.
https://doi.org/10.1007/s10915-022-02083-4
Stevens, E., Antiga, L., & Viehmann, T. (2020). Deep Learning with PyTorch (Simon and Schuster,
Ed.; First Edition). Manning.
White, G., Cabrera, C., Palade, A., Li, F., & Clarke, S. (2020). WasteNet: Waste Classification at the
Edge for Smart Bins. 8. https://doi.org/10.48550/arXiv.2006.05873