La classificazione avviene attraverso le recenti, ma molto conosciute, tecniche del Machine Learning di reti neurali convoluzionali. Come altri simili algoritmi di machine learning, esso si compone di due fasi:

​

Una fase di “addestramento” durante la quale all’algoritmo vengono mostrate molte immagini di rifiuti e della loro corretta classificazione, affinché impari le giuste associazioni.

In questo momento, più il numero di immagini mostrate è alto, più l’abilità di riconoscimento dell’algoritmo sarà precisa nell’identificare le caratteristiche associate ad ogni classe.

Questa fase è particolarmente laboriosa e viene eseguita prima di inserire l’algoritmo stesso all’interno del cestino.

Poiché è necessario avere molte immagini classificate di esempi di rifiuti, allo stato attuale vengono utilizzati modelli e immagini open source (https://github.com/patil215/scrapsort). Tuttavia, stiamo costruendo un nostro personale database, più esteso ed accurato, per il futuro.

​

La vera e propria fase di classificazione, durante la quale l’algoritmo utilizza le conoscenze apprese durante la fase di addestramento per classificare i rifiuti che vengono introdotti.

Questa fase avviene in tempi decisamente più veloci: essa richiede circa 2 sec di calcolo su un Raspberry Pi 3B+ ed è eseguita per ogni rifiuto gettato.