Recycleye es una empresa tecnológica especializada en la automatización de clasificación de residuos y reciclaje impulsada por inteligencia artificial. Fundada en 2019, la empresa desarrolla sistemas de visión por computadora y soluciones de clasificación robótica que permiten a las instalaciones de recuperación de materiales identificar y separar materiales reciclables con alta precisión y velocidad. Su tecnología central aplica modelos de aprendizaje automático para reconocer diversos tipos de residuos, desde envases comunes hasta materiales compuestos complejos, e integra brazos robóticos para clasificar físicamente los artículos en cintas transportadoras.
La misión de la empresa se centra en aumentar las tasas de reciclaje y reducir la contaminación en los flujos de reciclaje, abordando un cuello de botella crítico en la industria global de gestión de residuos. Al automatizar el proceso de clasificación, Recycleye busca hacer que el reciclaje sea económicamente viable y ambientalmente efectivo, reduciendo la dependencia del trabajo manual y mejorando la pureza de los materiales recuperados.
Fundación e Historia
Recycleye fue fundada en 2019 por Peter Hedley y Victor Dewulf, quienes se conocieron mientras estudiaban en la Universidad de Oxford. Hedley, ingeniero, y Dewulf, informático, identificaron las ineficiencias en las plantas tradicionales de clasificación de residuos, donde los seleccionadores manuales a menudo pierden materiales valiosos o clasifican incorrectamente los artículos, lo que genera pérdidas significativas. Desarrollaron un prototipo que combinaba un brazo robótico con un sistema de visión entrenado en un conjunto de datos de imágenes de residuos, demostrando la viabilidad de la clasificación automatizada.
La empresa comenzó operando desde un pequeño laboratorio en Londres, asegurando financiación inicial de inversores, incluido el programa de incubación de empresas de la Agencia Espacial Europea. En 2020, Recycleye lanzó su primer producto comercial, el sistema Recycleye Robotics, que fue desplegado en una instalación de recuperación de materiales en el Reino Unido. Para 2021, la empresa había expandido sus operaciones a múltiples sitios en toda Europa, y en 2022 recaudó una ronda de financiación Serie A de 25 millones de dólares, liderada por DCVC y respaldada por inversores existentes. Esta financiación permitió a la empresa escalar su fabricación y desarrollar líneas de productos adicionales, incluido el sistema Recycleye Vision, una herramienta de monitoreo independiente que proporciona datos en tiempo real sobre la composición de los residuos.
A partir de 2024, Recycleye tiene instalaciones en más de 20 plantas en el Reino Unido, Europa y América del Norte, procesando más de 100.000 toneladas de residuos al año. La empresa también se ha asociado con importantes empresas de gestión de residuos, como Veolia y Biffa, para integrar su tecnología en operaciones de reciclaje a gran escala.
Tecnología y Productos
La tecnología principal de Recycleye es un sistema de visión por computadora que utiliza algoritmos de aprendizaje profundo para clasificar residuos en tiempo real. El sistema se entrena con un conjunto de datos propietario de millones de imágenes etiquetadas, que cubren una amplia gama de materiales, incluidos plásticos (PET, HDPE, PP, PS), metales (aluminio, acero), vidrio, papel, cartón y residuos orgánicos. El sistema de visión también puede identificar tipos específicos de productos, como botellas de bebidas, envases de alimentos y películas de embalaje, lo que permite una clasificación precisa.
La empresa ofrece dos productos principales:
- Recycleye Robotics: Un sistema de clasificación robótica que se instala sobre una cinta transportadora. Utiliza un brazo robótico con un efector final de succión o pinza para recoger los artículos identificados y colocarlos en tolvas o contenedores designados. El sistema opera a velocidades de hasta 80 recogidas por minuto, con una precisión reportada de más del 95% para materiales comunes.
- Recycleye Vision: Un sistema de monitoreo y análisis que utiliza cámaras e inteligencia artificial para proporcionar datos en tiempo real sobre la composición de los flujos de residuos. Genera métricas como tasas de contaminación, pureza de materiales y rendimiento, que los operadores de plantas utilizan para optimizar sus procesos y cumplir con los requisitos de informes regulatorios.
Ambos productos están diseñados para ser adaptados a instalaciones existentes sin necesidad de cambios importantes en la infraestructura. Los sistemas funcionan con computación en el borde, que ejecuta los modelos de IA localmente, reduciendo la latencia y garantizando la operación incluso en entornos con conectividad limitada.
Enfoque de IA y Aprendizaje Automático
Los modelos de IA de Recycleye se basan en arquitecturas de redes neuronales, específicamente redes neuronales convolucionales (CNN) para el reconocimiento de imágenes. El proceso de entrenamiento implica aprendizaje supervisado con imágenes de residuos etiquetadas, aumentadas con datos sintéticos generados mediante técnicas de IA generativa para mejorar la robustez en diferentes condiciones de iluminación, ángulos y velocidades de cinta. Cuando el sistema comete errores, esos casos se incorporan al conjunto de entrenamiento mediante un bucle de retroalimentación, lo que permite una mejora continua del modelo.
La empresa también emplea técnicas de aprendizaje por transferencia, comenzando con modelos preentrenados en conjuntos de datos generales y ajustándolos con datos específicos de residuos. Recyclee ha desarrollado un pipeline de etiquetado propio que combina herramientas semiautomáticas para reducir el tiempo de anotación y mantener una alta calidad en los datos de entrenamiento. Este enfoque permite adaptar rápidamente los sistemas a nuevos tipos de materiales o configuraciones de planta.
Impacto Industrial y Aplicaciones
La clasificación manual de residuos es una tarea laboriosa, costosa y propensa a errores. La automatización ofrecida por Recycleye ha demostrado aumentar la recuperación de materiales valiosos entre un 20% y un 30% en las instalaciones donde se ha implementado, al tiempo que reduce la contaminación cruzada entre flujos. Esto tiene un impacto directo en el valor económico de los materiales reciclados y en la conformidad con regulaciones como el Plan de Acción de Economía Circular de la Unión Europea.
Además de los residuos sólidos municipales, la tecnología se está probando en otros sectores como el reciclaje de residuos electrónicos y la construcción. Aunque estas aplicaciones aún están en fase piloto, representan una expansión potencial del mercado para la empresa.
Desafíos y Limitaciones
A pesar de su éxito, la implementación de sistemas robóticos de clasificación requiere una inversión inicial considerable, lo que puede ser una barrera para instalaciones más pequeñas. Recycleye aborda este problema con un modelo de suscripción que reduce la barrera de entrada. Además, el sistema necesita mantenimiento y actualizaciones continuas para adaptarse a la variabilidad de los flujos de residuos, lo que requiere personal técnico especializado.
Una crítica recurrente es que la automatización por sí sola no resuelve la crisis del reciclaje. Factores como el diseño de los productos, la educación del consumidor y la infraestructura de recolección son igualmente importantes. Recycleye reconoce esta limitación y trabaja en colaboración con fabricantes y gobiernos para mejorar la reciclabilidad de los materiales, pero su impacto se limita a la etapa de clasificación.
El posible desplazamiento de trabajadores es otra preocupación. Sin embargo, la empresa afirma que sus sistemas están diseñados para complementar el trabajo humano, permitiendo a los operadores enfocarse en tareas de mayor valor como el mantenimiento y la gestión de calidad. Aun así, el efecto neto en el empleo sigue siendo un tema de debate en la industria.
Véase También
- aprendizaje automático
- aprendizaje profundo
- red neuronal
- IA generativa
- Universidad de Oxford
- red residual
- inteligencia artificial
Referencias
(Nota: Este artículo se basa en información públicamente disponible y datos proporcionados por la empresa. Las cifras de implementación y financiación son aproximadas y pueden estar sujetas a cambios.)