CLEAN -DIRTY CONTEINERS IN MONTEVIDEO

A Rodrigo Laguna el tema de la basura siempre le importó. Es de los que tienen una compostera en la casa y clasifica los residuos. Por eso era el destinatario ideal para que le preocupara el mensaje que un vecino envió al grupo de WhatsApp del edificio en el que vive en el barrio montevideano de la Aguada.

“Mandó una foto del contenedor de basura que tenemos enfrente, que estaba todo desbordado, con la basura desparramada. Entonces se me ocurrió que podía mandar esas imágenes al Twitter de la Intendencia de Montevideo, que responde bastante a los reclamos”, contó Rodrigo. Enseguida su formación como ingeniero en computación le hizo darse cuenta de que esa tarea podría estar automatizada, que no tenía por qué hacerla él.

“Sería cuestión de tener una cámara apuntando al contenedor y problema resuelto”, pensó. Pero tampoco era algo tan sencillo dada la cantidad de contenedores que hay en la ciudad. Una opción podría haber sido crear una aplicación similar a la que existe para denunciar autos mal estacionados, a la que la gente pudiera mandar fotos de los contenedores para ver cuáles necesitan asistencia. Otra opción hubiera sido sumar una cámara a los autos que circulan con el objetivo de multar o a los ómnibus de transporte público de pasajeros para que escaneen toda la ciudad.

Rodrigo, que por ese entonces contaba con más tiempo libre porque recién comenzaba el tema de la pandemia de la COVID-19 en Uruguay, se inclinó por el lado de recolectar fotos, tanto que sacaba él como las que les pedía a sus compañeros de trabajo o amigos.

Fue así que uno de ellos “hizo el trabajo del vago” y caminó hasta el contenedor de la esquina de su casa… pero usando Google Street View, o sea que fue una caminata virtual. Hizo captura de pantalla, se la envió y le preguntó si eso le servía.

“Ahí se me prendió la lamparita porque me pregunté si podía hacer eso a gran escala. Fui a la página de datos abiertos de Montevideo, donde están las localizaciones de todos los contenedores de basura de la ciudad, básicamente me bajé todas las imágenes de esas esquinas y revisé cuáles tenían contenedores y cuáles no. Como eran muchas, para automatizar el trabajo tuve que entrenar una red neuronal con unos pocos ejemplos para que identificara los que me sirvieran”, agregó este joven profesional de 27 años que hace más de cuatro años trabaja en Idatha en el área de Machine Learning.
?
Aunque se concentró solo en los contenedores verdes, advirtió que solo con esas fotos no bastaba porque al ser imágenes de Google tenían muchas particularidades que obstaculizaban sus objetivos, como ser los números de las puertas de las casas borroneados o marcas de agua por doquier. “Es un montón de ruido que molesta para el trabajo que se hace después”, explicó.

Para solucionar el inconveniente resolvió complementar la base de datos con fotos que él mismo comenzó a tomar cuando salía a pasear el perro o a dar una vuelta en auto. Además, sus amigos y conocidos también les enviaban las suyas por WhatsApp.

“Cada tanto descargaba todas las imágenes a la computadora y las clasificaba entre contenedores sucios y desbordados y lo que no lo estaban”, contó.

Y destacó como dato positivo que hay casi el doble de contenedores en buenas condiciones que los que presentan irregularidades.

Rodrigo Laguna decidió que la clasificación en principio fuera binaria: limpio/sucio. “Podría ser bastante discutible porque a veces ves un contenedor que tiene apenas una bolsa colgando con comida o ropa que deja la gente para otras personas y, en ese caso, si bien no está limpio, tampoco está sucio como para llamar a la intendencia. Eso me llevó a ser más observador con el tema”, señaló sobre un sistema que deja de lado los grises siendo ese uno de sus problemas.

“Puede que lo que esté sucio para mí, para otro no lo esté como para ameritar un reclamo. Quedaría atado al uso que se le dé. Por eso no sé si es una solución definitiva, pero aporta algo”, apuntó en la entrevista.

El siguiente paso que se planteó el ingeniero y en el que trabaja actualmente es entrenar un clasificador para evaluar si puede automatizar la tarea de definir qué contenedor merece atención y cuál no.
?
“La primera versión la hice en mayo y tenía muy pocos datos; no tenía resultados suficientemente buenos. Actualmente terminé toda esa tanda y dupliqué el tamaño del dataset (base de datos). Entonces habría que hacer otro experimento”, detalló en diálogo con El País.

Su objetivo ahora es estudiar si puede crear un bot de Twitter que permita, por ejemplo, cada una hora, chequear el estado de los contenedores y tuitear a la intendencia cuando estén demasiado sucios. El trabajo también puede extenderse a los que están vandalizados o dañados.

Toda esa información y el trabajo realizado por Rodrigo está disponible en el dataset que se puede encontrar en el repositorio www.kaggle.com/rodrigolaguna/clean-dirty-containers-in-montevideo que su autor dejó abierto para todo aquel que desee colaborar con el proyecto.

“Lo puede usar cualquiera. Se aceptan contribuciones y sugerencias de cosas que consideren que se pueden cambiar. Lo pueden usar y descargar sin avisarme y me pueden escribir sin problemas a r.laguna.queirolo@outlook.com o en Twitter a @ro_laguna_”, señaló.

Rodrigo aclaró que no pensó el proyecto como para presentarlo en la Intendencia de Montevideo, pero si alguien de la comuna está interesado en la idea, está dispuesto a colaborar en lo que sea necesario.

Tampoco descarta que se pueda aplicar a otras intendencias o lugares fuera de la capital.

“Surgió más que nada como un proyecto de tiempo libre a raíz de un problema que es bastante real y no es sencillo solucionarlo. Tampoco estoy del todo seguro de que esta sea la solución definitiva, pero por lo menos es tener una herramienta más”, concluyó orgulloso del proyecto que dio en llamar Clean-Dirty Conteiners in Montevideo.