拉丁美洲和加勒比地区的固体废弃物管理正在开始引入数字工具，这些工具可能改变城市回收材料、组织服务以及减少分拣厂损失的方式。美洲开发银行在巴西推动的一项创新试点，为观察这一进程提供了一个具体案例。
这项经验在Consorcio Intermunicipal do Medio Vale do Itajai进行，该机构通常称为CIMVI，由14个巴西市镇组成。该联盟负责城市废弃物的收集、分拣、资源化利用和最终处置，其核心挑战之一是与基层回收者合作社共同改进可回收材料的分离流程。
为了解决这一问题，项目实施了一个基于深度卷积神经网络的材料识别人工智能模型。系统利用摄像头和扫描设备观察分拣厂传送带上的可回收废弃物，特别是被归为残余物的出口环节，目的是识别提高材料回收率的机会。
在项目七个月期间，系统采集了1.53亿个物体的图像，并根据CIMVI要求的类别按体积进行分析、分类和量化。该技术识别出111种可回收材料，并将信息整理到交互式数据仪表板中，使运营人员能够发现分拣过程中的瓶颈并制定纠正措施。
在已报告的结果中，试点设计了一个预警系统，当每分钟损失超过四件物品，或该时间段内损失超过处理总量的2%时发出警报。这些通过短信或电子邮件实时发送的警报，有助于将残余物产生量减少5%。
这些信息还使运营方能够按照市场价值、出现频率和尺寸优先处理材料，并重新组织合作社的工作。数据分析促成了三个工作班次的实施，减少了加班，并改善了运营表现。人工智能的引入使进入商业化环节的可回收废弃物数量增加了30%。
这一案例表明，环境创新不仅取决于新设备，还取决于生产有用数据、解释数据并将其转化为管理决策的能力。对该地区城市而言，这种方法有助于改善服务、强化回收者作用、减少浪费，并迈向更稳健的循环经济，前提是技术要与制度、基础设施和适当劳动条件相结合。
Greyparrot开发的工具被介绍为模块化、可扩展并可在不同地域复制，其基本要求包括一条运行中的分拣传送带、电力和互联网接入。拉丁美洲和加勒比地区面临的挑战，是把这类试点转化为持续、可获得并适应各地废弃物管理系统现实条件的能力。
