Un equipo de estudiantes de la Universidad Carnegie Mellon ha desarrollado un método innovador para clasificar residuos plásticos mediante análisis acústico, alcanzando niveles de precisión superiores al 90%. El sistema de aprendizaje automático identifica distintos tipos de plástico a partir del sonido generado al impactar sobre una superficie, logrando un 100% de acierto en polipropileno (PP) y PET, y un 92% en poliestireno (PS). La propuesta ofrece una alternativa más económica y precisa frente a los métodos tradicionales de clasificación, facilitando su integración en entornos industriales mediante una interfaz operativa.

El proyecto busca reducir los costes asociados a la gestión de residuos plásticos y mejorar la viabilidad económica del reciclaje, promoviendo así un modelo más circular. Además, destaca el potencial de la inteligencia artificial aplicada a señales acústicas para optimizar la recuperación de materiales y avanzar hacia sistemas de gestión de residuos más eficientes. La iniciativa se desarrolló en colaboración con Reclamation Factory, que aportó conocimiento técnico y datos, acercando la tecnología de sensores acústicos a aplicaciones reales en la industria del reciclaje.